我的问题很简单，但似乎尚未解决。
输入 ：（ bs，时间步长，input_dim）->张量（“ stack：0”，shape =（?, 4 ，400），dtype = float32 ）
层： 输出= LSTM（100，input_shape =（时间步长，input_feature），return_sequence = True）（输入）
期望 ：（ bs，时间步长，output_dim）->张量（“ gru_20 / transpose_1：0”，shape =（?, 4 ，100），dtype = float32）
输出：张量（“ gru_20 / transpose_1：0”，shape =（?, ？，100），dtype = float32）
即使Keras收到了input_shape，为什么Keras也不能推断出时间步长？当我使用模型摘要时，其显示的结果具有正确的输出形状：
lstm_2（LSTM）（无，4，100）3232
但是在施工过程中没有。因此，当我想通过使用unstack（output，axis = 1）在每个时间步长*（bs，10）上将张量堆叠成张量列表时，我会收到以下错误：ValueError：无法从形状（？，推论num？ ？，100）
我的错误在哪里？
顺便说一句。添加TimeDistributed（Dense（100））（questions）会导致正确的输出暗淡：Tensor（“ time_distributed_17 / Reshape_1：0”，shape =（?, 4 ，100），dtype = float32）但由于共享权重而无法选择。如果没有，解决方法是什么？
答案 0 :(得分：1)
解决方法可能是乘以1（不变）。
解决方法= TimeDistributed（Lambda（lambda x：x * 1.0））（输出）
推断在这里起作用：Tensor（“ time_distributed_17 / Reshape_1：0”，shape =（?, 4，100），dtype = float32）
使用return_sequences = True时是否始终需要时间分布层？