Keras：嵌入层 + LSTM：时间维度答案

【问题标题】：Keras: Embedding layer + LSTM: Time DimensionKeras：嵌入层 + LSTM：时间维度
【发布时间】：2018-01-11 06:46:48
【问题描述】：

这个问题可能太愚蠢了……但是……

在 Keras 中初始 Embedding 层之后使用 LSTM（例如 Keras LSTM-IMDB tutorial code）时，Embedding 层如何知道存在时间维度？换句话说，Embedding layer know训练数据集中每个序列的长度如何？嵌入层如何知道我在训练句子，而不是单个单词？它只是在训练过程中进行推断吗？

【问题讨论】：

Keras 不知道，你知道。 lstm 如何知道您传递的是时间序列？你可以在图像上训练它，它不会知道，但你会......虽然不确定这是你想要的

标签： python machine-learning neural-network keras lstm

【解决方案1】：

Embedding 层通常是模型的第一层或第二层。如果它是第一个（通常当您使用Sequential API 时） - 那么您需要指定其输入形状，即(seq_len,) 或(None,)。如果它是第二层（通常当您使用Functional API 时），那么您需要指定第一层，即Input 层。对于这一层 - 您还需要指定形状。在形状为(None,) 的情况下，输入形状是从输入到模型的一批数据的大小中推断出来的。

【讨论】：