这个问题可能问得有点傻…但是…

在Keras中，当在初始的Embedding层之后使用LSTM时（例如Keras LSTM-IMDB教程代码），Embedding层是如何知道存在时间维度的？换句话说，Embedding层是如何知道训练数据集中每个序列的长度的？Embedding层如何知道我是在训练句子，而不是单个词？它是在训练过程中推断出来的吗？

回答：

Embedding层通常是模型的第一层或第二层。如果它是第一层（通常在使用Sequential API时），那么你需要指定它的输入形状，形状可以是(seq_len,)或(None,)。如果它是第二层（通常在使用Functional API时），那么你需要指定第一层，这是一个Input层。对于这一层，你也需要指定形状。当形状为(None,)时，输入形状是从 feeding到模型的数据批次大小中推断出来的。