LSTM Embedding 输出大小和 LSTM 数量

【问题标题】：LSTM Embedding output size and No. of LSTMLSTM Embedding 输出大小和 LSTM 数量
【发布时间】：2018-10-22 15:13:13
【问题描述】：

我不确定为什么我们只有大小为 32 的输出向量，而有 LSTM 100？

我很困惑的是，如果我们只有 32 个词向量，如果提取到 LSTM 中，32 个 LSTM 应该足够大来容纳它吗？

Model.add(Embedding(5000,32)
Model.add(LSTM(100))

【问题讨论】：

标签： python nlp keras keras-layer

【解决方案1】：

这些是模型的超参数，没有实验就没有最好的方法来设置它们。在您的情况下，将单个单词嵌入到维度为 32 的向量中可能就足够了，但是 LSTM 将处理它们的序列，并且可能需要更多容量（即维度）来存储有关多个单词的信息。在不知道目标或数据集的情况下，很难对这些参数进行有根据的猜测。我们经常查看过去解决类似问题的研究论文，看看他们使用了哪些超参数，然后通过实验对其进行调整。

【讨论】：

谢谢澄清，实际上，它是来自 Keras 的预加载数据集电影评论 - from keras.datasets import imdb