Couches de reshaping (TimeDistributed)

Fonctions :

• TimeDistributed()

  La couche TimeDistributed applique une couche spécifique de manière indépendante à chaque pas de temps d’une séquence d’entrée. Elle est utilisée pour traiter séquentiellement chaque élément d’une séquence, comme appliquer une couche Dense ou Conv2D sur chaque frame d’une séquence vidéo.

  Importation :

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import TimeDistributed, Dense
  import numpy as np

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  layer	Layer	Couche à appliquer indépendamment à chaque pas de temps.	—

  Exemple de code :

  📋 Copy

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import TimeDistributed, Dense
  import numpy as np
  
  # Données simulées : batch de 2 séquences, chacune de longueur 3, vecteurs de taille 4
  X = np.random.rand(2, 3, 4)
  
  # Modèle avec TimeDistributed appliquant une couche Dense à chaque pas de temps
  model = Sequential()
  model.add(TimeDistributed(Dense(5), input_shape=(3, 4)))
  
  # Passage des données dans la couche
  output = model.predict(X)
  print("Shape avant :", X.shape)   # (2, 3, 4)
  print("Shape après :", output.shape)  # (2, 3, 5)

  Explication du code :

  Importation des bibliothèques
   On importe la couche `TimeDistributed`, la couche `Dense` ainsi que les modules nécessaires. 
  Création des données
   Les données sont un batch de 2 séquences, chaque séquence contient 3 vecteurs de taille 4. 
  Définition du modèle
   La couche `TimeDistributed` applique une couche Dense de sortie 5 à chaque vecteur de la séquence indépendamment. 
  Exécution
   Le tenseur passe d’une forme (2, 3, 4) à (2, 3, 5), la couche Dense étant appliquée à chaque pas de temps.