网络深度与时间维度有何关联？

他可能的意思是，网络的深度和时间维度在本质上并无太大区别，只是在实际应用中赋予了不同的名称。因此，一层的LSTM可以类比为多层且参数共享的ResNet。反过来讲，如果把ResNet横向来看，每个时间维度上的token则是通过残差输入来提供的。如果我们认同网络深度和时间维度在本质上没有根本差异，那么接下来就可以考虑如何将ResNet改造成类似RNN层的结构。例如，让ResNet具备多输入多输出的特性。多输出的概念相对容易理解，即在网络的不同深度抽取不同输出头，这在模型设计尤其是目标检测网络中已经较为常见。至于多输入，则可以通过调整输入的分辨率，将其插入到不同网络深度中。这些不同大小的输入可以采用不同的数据增强方法，并通过对输入序列进行shuffle，产生不同数据的效果，从而加速训练过程。我并不确定他的具体理解是否如此，因为没有观看相关视频，以上纯属猜测。