我的问题很简单，但似乎没有解决 .
Input ：（bs，timesteps，input_dim） - > Tensor（"stack:0"，shape =（？， 4 ，400），dtype = float32）
Layer ：output = LSTM（100，input_shape =（timesteps，input_feature），return_sequence = True）（输入）
Expect ：（bs，timesteps，output_dim） - > Tensor（"gru_20/transpose_1:0"，shape =（？， 4 ，100），dtype = float32）
Output ：Tensor（"gru_20/transpose_1:0"，shape =（？， ? ，100），dtype = float32）
为什么Keras不会推断出时间步数，即使它收到一个input_shape？当我使用模型摘要时，它显示的结果具有正确的输出形状：
lstm_2（LSTM）（无，4,100）3232
但不是在施工期间 . 因此，当我想通过使用unstack（输出，轴= 1）将Tensor拆分为每个时间步长*（bs，10）的Tensors列表时，我收到了这个错误：ValueError：无法从形状推断num（？， ？，100）
我的错误在哪里？
BTW . 添加TimeDistributed（Dense（100））（问题）会导致正确的输出变暗：Tensor（"time_distributed_17/Reshape_1:0"，shape =（？， 4 ，100），dtype = float32）但由于共享权重而不是选项 . 如果没有，解决方法是什么？
1 回答
解决方法可能是乘以1（无变化） .
workaround = TimeDistributed（Lambda（lambda x：x * 1.0））（输出）
推理在这里工作：Tensor（“time_distributed_17 / Reshape_1：0”，shape =（？，4,100），dtype = float32）
使用return_sequences = True时，是否始终需要TimeDistributed Layer？