「Keras」の「Dense」と「TimeDistributedDense」の違い

私はまだの違いについて混乱していますDenseとTimeDistributedDenseのKeras、すでにいくつかの同様の質問が尋ねているにもかかわらず、こことここ。人々は多くのことを議論していますが、共通の結論はありません。

それでも、ここでは、@ fcholletは次のように述べています。

TimeDistributedDenseDense3Dテンソルのすべてのタイムステップに同じ（完全に接続された）操作を適用します。

それらの違いを正確に説明する必要があります。

行700列の時系列データがあり、Kerasのレイヤーにフィードするとします。それをRNNにフィードする前に、以前のデータを3Dテンソルに変形する必要があります。したがって、N × 700 × 1になります。$N$$700$SimpleRNN(200, return_sequence=True)$N \times 700 \times 1$

^{画像はhttps://colah.github.io/posts/2015-08-Understanding-LSTMsから取得されます}

$t=1 \ to \ 700$$h_1$$h_{700}$$h_1$$h_{200}$$N \times 700 \times 200$

TimeDistributedDenseDenseDense$h_1$$h_2$$h_t$$h_1$$h_{700}$$1 \times 1 \times 200$$1 \times 1 \times 200$

なぜこれを行うのですか？RNN出力をフラット化したくないためです。

RNN出力をフラット化しないのはなぜですか？各タイムステップ値を個別に保持する必要があるためです。

各タイムステップ値を別々に保つのはなぜですか？なぜなら：

• 独自のタイムステップ間で値をやり取りしたいだけです
• 異なるタイムステップとチャンネル間でランダムなやり取りをしたくありません。