Keras Embedding层在模型summary中显示'unbuilt'的原因及解决方法

问题重现 #

基于亚马逊评论数据集构建模型时，已为Embedding层指定input_dim=138203、output_dim=500、input_length=(2917,)，但调用model.summary()后，该层显示为unbuilt，输出形状为?，参数数为0。

核心原因 #

1. input_length参数类型错误：传入的input_length=(2917,)是元组类型，但Keras的Embedding层要求input_length为整数，用来指定输入序列的固定长度。错误的参数类型导致层无法正确解析输入形状，进而无法初始化权重参数（Embedding层的参数总数应为input_dim * output_dim，即138203*500=69101500）。
2. 模型未触发构建流程：仅包含Embedding层的Sequential模型，在未明确输入形状或未连接后续层时，Keras不会自动完成层的构建——因为它需要明确的输入维度来初始化权重。

解决办法 #

步骤1：修正input_length参数 #

将input_length=(2917,)改为整数2917，确保参数类型符合要求：

model = Sequential()
# 修正input_length为整数
model.add(Embedding(input_dim=vocab_size, output_dim=500, input_length=2917))

步骤2：触发模型构建（二选一即可） #

方式一：手动调用build方法指定输入形状

通过model.build()明确输入的批量维度和序列长度，触发层的初始化：

model.build(input_shape=(None, 2917))  # None表示批量大小可灵活调整
model.compile('adam')
model.summary()

方式二：添加后续层让模型自动推断

在Embedding层后添加任意后续层（如Flatten、Dense等），模型会根据层的连接关系自动推断输入形状并完成构建：

model.add(Flatten())  # 示例：添加Flatten层
model.compile('adam')
model.summary()

修正后的预期输出 #

Embedding层会显示正确的输出形状(None, 2917, 500)，参数数为69101500，不再显示unbuilt。

内容的提问来源于stack exchange，提问作者Ananya Singh