Глубокое изучение с Python книга цитирует, что конечный результат - это 2D-тензор формы (временные шаги, output_features), но final_output_sequence - 1D

Question

В Listing 6.21 Numpy implementation of a simple RNN (глава 6) книги "Глубокое обучение с Python", написанной Франсуа Шоле, упоминалось, что переменная

" , final_output_sequence - это the final output is a 2D tensor of shape (timesteps, output_features). "

Но я повторил код и заметил, что это тензор 1D формы (timesteps*output_features,).

Код для воспроизведения проблемы показан ниже:

import numpy as np

timesteps = 100
input_features = 32
output_features = 64

inputs = np.random.random((timesteps, input_features))
state_t = np.zeros((output_features,))
W = np.random.random((output_features, input_features))
U = np.random.random((output_features, output_features))
b = np.random.random((output_features,))

successive_outputs = []
for input_t in inputs:
    output_t = np.tanh(np.dot(W, input_t) + np.dot(U, state_t) + b)
    successive_outputs.append(output_t)
    state_t = output_t
final_output_sequence = np.concatenate(successive_outputs, axis=0)

Может кто-нибудь помочь мне получить 2D-тензор с формой (timesteps, output_features) ) из приведенного выше кода. Было бы замечательно, если бы кто-то мог объяснить, в чем причина такого расхождения.

Заранее спасибо.