Keras：嵌入层+LSTM：时间维度
Keras: Embedding layer + LSTM: Time Dimension
这个问题可能太愚蠢了……但是……
在 Keras 的初始 Embedding 层（例如 Keras LSTM-IMDB tutorial code）之后使用 LSTM 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？嵌入层如何知道我正在训练句子，而不是单个单词？它在训练过程中只是简单地推断吗？
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，输入形状是根据提供给模型的一批数据的大小推断出来的。
这个问题可能太愚蠢了……但是……
在 Keras 的初始 Embedding 层（例如 Keras LSTM-IMDB tutorial code）之后使用 LSTM 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？嵌入层如何知道我正在训练句子，而不是单个单词？它在训练过程中只是简单地推断吗？
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，输入形状是根据提供给模型的一批数据的大小推断出来的。