TimeDistributed

本质：一个种区域全连接

常用于序列（例如时间序列等），对每个时间点（Node）进行全连接

案例：

批32个样本，其中每个样本是一个由16个维度组成的10个向量的序列。该层的批输入形状然后(32, 10, 16）

TimeDistributed层的作用就是把Dense层应用到这10个具体的向量上，对每一个向量进行了一个Dense操作，假设是下面这段代码：

 

model = Sequential()
 
model.add(TimeDistributed(Dense(8), input_shape=(10, 16)))

输出还是10个向量，但是输出的维度由16变成了8，也就是（32,10,8）。

 

案例2：

输入为（32，420）的长文本，输出为（batch,1,106,512）  ps:其中1*106为特征图输出大小

GAP后： =》 （？，512）  即可得，GAP操作将输入图同一到维度，每个维度一个数 （特征统一） （按维度全连接）

Flatten后：=》 （？，1*106*512） 可得，Flatten 将输入整个图片同一为一个数            （网络压平成一个数，才能全连接）

                 """Flattens the input. Does not affect the batch size.

Timecontribe（Flatten（）） => （？，1 ,106*512） 将输入序列化，空间进行同一