目前，与文件中所述相反的是，
密集'
层[应用在输入张量的最后一个轴上](网址：keras.com/https://github-
团队/KERA/问题/10736#问题建议-406589140）：
与文档相反，我们实际上并没有将其展平。它适用于
最后一个独立轴。
换言之，如果对输入应用一个单位为“m”的“密集”层
形状（nu dim1，nu dim2，…，nu dimk）的张量将有一个输出形状
在（nu dim1，nu dim2，…，m）。
作为旁注：这使得“TimeDistributed（densed（…）”和“densed（…）`
彼此相等。
另一个旁注：请注意，这具有共享权重的效果。
例如，考虑这个玩具网络：
model = Sequential()model.add(Dense(10, input_shape=(20, 5)))model.summary()
The model summary:
_________________________________________________________________Layer (type) Output Shape Param # =================================================================dense_1 (Dense) (None, 20, 10) 60 =================================================================Total params: 60Trainable params: 60Non-trainable params: 0_________________________________________________________________
如您所见，“稠密”层只有60个参数。怎样？每个单元`稠密层用相同的权重，因此“10*5+10（单位偏差参数）=60”。
更新。以下是上述示例的直观说明：
[![对具有两个或多个输入的输入应用密集层的直观说明]
尺寸单位
