在Keras中，我可以有以下代码：

docs                                                                                                                                                                                                                                                                                                                                                                Out[9]: ['Well done!', 'Good work', 'Great effort', 'nice work', 'Excellent!', 'Weak', 'Poor effort!', 'not good', 'poor work', 'Could have done better.']labels = array([1,1,1,1,1,0,0,0,0,0]) voc_size = 50encoded = [one_hot(d, voc_size) for d in docs] max_length = 4 padded_docs = pad_sequences(encoded, maxlen=max_length, padding='post')  

我的理解是，’one_hot’编码已经根据词汇大小创建了每个文档的等长表示。那么为什么每个文档还需要再次填充呢？

编辑：另一个例子以便更清楚说明：

one-hot编码是对分类变量（例如：猫，狗，老鼠）的二进制向量表示（例如：[1,0,0]，[0,1,0]，[0,0,1]）。

所以在这种情况下，猫、狗和老鼠被编码为等长的向量。这与上面的例子有什么不同？

回答：

TLDR; one_hot使得每个索引来自一个固定的范围，而不是使结果列表具有固定的长度。

为了理解这个问题，需要了解one_hot函数实际做了什么。它将文档转换为一系列int索引，这些索引的长度大致与文档中的单词（标记）数量相同。例如：

'one hot encoding' -> [0, 2, 17]

其中每个索引是词汇表中单词的索引（例如：one的索引是0）。这意味着当你对一系列文本应用one_hot（如你提供的代码片段中）时，你会得到一个索引列表的列表，其中每个列表可能具有不同的长度。这对keras和numpy来说是个问题，它们期望列表的列表以类数组形式存在——这意味着每个子列表应该具有相等的、固定的长度。

这是通过pad_sequences函数完成的，该函数使每个子列表具有固定的长度。