我正在尝试在 Keras 中创建一个Embedding 层。
我的输入大小是 3d：(batch, 8, 6)，我想嵌入最后一个维度。
所以嵌入应该作为(batch*8, 6) -> embedding output
但我不想在所有学习步骤中保留此 batchsize，仅用于嵌入层。
我认为解决方案之一是分离 8 个输入并将嵌入应用到每个输入。
但是这个嵌入层和一个大的嵌入层是不一样的。
有没有可能的解决方案？谢谢！
【问题讨论】：
标签： keras 3d reshape embedding batchsize
解决方法很简单：
input_shape = (8,6)
并通过嵌入。你会得到你想要的。
from keras.layers import *
from keras.models import *
ins = Input((8,6))
out = Embedding(10, 15)(ins)
model = Model(ins, out)
model.summary()
其中 10 是字典大小（单词或类似词的数量），15 是嵌入大小（结果维度）。
结果摘要：
Model: "model_1"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 8, 6) 0
_________________________________________________________________
embedding_1 (Embedding) (None, 8, 6, 15) 150
=================================================================
Total params: 150
Trainable params: 150
Non-trainable params: 0
_________________________________________________________________
【讨论】：
(batch, 8, 6, embedding_size)。
input_length，这个论点在我看来有点没用。只是不要使用它。请参阅更新的答案以获取工作示例。