小编Gla*_*lau的帖子

例如（我可以用Theano做到这一点而没有问题）：

# log_var has shape --> (num, )
# Mean has shape --> (?, num)
std_var = T.repeat(T.exp(log_var)[None, :], Mean.shape[0], axis=0)

使用TensorFlow我可以做到这一点：

std_var = tf.tile(tf.reshape(tf.exp(log_var), [1, -1]), (tf.shape(Mean)[0], 1))

但是我不知道如何为Keras做同样的事情，可能是这样的：

std_var = K.repeat(K.reshape(K.exp(log_var), [1, -1]), Mean.get_shape()[0])

要么

std_var = K.repeat_elements(K.exp(log_var), Mean.get_shape()[0], axis=0)

...，因为Mean在轴0处的尺寸未知。

我需要此用于自定义图层输出：

return K.concatenate([Mean, Std], axis=1)

我的输入状态形状 = (84,84,4)

state = Input(shape=(84,84,4), dtype="float")

它是连续帧的堆叠序列。

我想将此状态传递给 keras 模型作为输入，首先传递给 TimeDistributed 层，然后传递给 LSTM

据我了解，时间步长是第一个维度，我需要适当地重塑我的状态

shape=(4, 84, 84)

并将帧保持在自己的尺寸和拓扑结构中