张量流:三维张量与二维矩阵乘法

当将三维张量通过密集层时,我看到了以下实现方式:

X = np.random.rand(5,4,3).astype(np.float32)
place = tf.placeholder(shape=[None, None, 3], dtype=tf.float32)
dense = tf.layers.dense(place, 10)

另一方面,我也看到过:

X = np.random.rand(5,4,3).astype(np.float32)
place = tf.placeholder(shape=[None, None, 3], dtype=tf.float32)
place_reshape = tf.reshape(place, [tf.shape(place)[0] * tf.shape(place)[1], 3])
dense = tf.layers.dense(place_reshape, 10)
dense_reshape = tf.reshape(dense, [tf.shape(place)[0], tf.shape(place)[1], 10])

虽然这两种方法本质上应该是相同的,但是我不能用第一种和第二种方法得到相同的结果,即使我同时设置了两个随机种子(为了可读性,我在代码片段中省略了它们)。有人能给我指一个正确的方向,以防我丢失什么东西吗?

期待您的回答!