Keras的LSTM层未设置input_shape参数为何能正常运行？

你的猜测本质正确，未给LSTM传入input_shape参数也能正常运行的核心原因是Keras自带自动形状推断机制，Embedding层已经完成了输入形状的定义，形状信息会自动传递给后续层，不需要手动给LSTM指定参数。

具体原理如下：

• Keras Sequential模型的形状推断规则：只要模型的第一层明确了输入形状，后续所有层都会自动根据上一层的输出形状计算自身所需的输入配置，无需手动传入input_shape。
• 你代码中的Embedding层作为模型第一层，已经通过参数明确了形状边界：你在初始化Embedding时传入了input_length=max_length，结合Embedding本身的输出维度embedding_dim，Embedding层的固定输出形状为(batch_size, max_length, embedding_dim)，模型可以直接获取到该形状信息。
• LSTM作为第二层，会直接把Embedding层的输出形状作为自身的输入形状，完全匹配LSTM要求的(batch_size, 时间步长, 特征数)的3D张量输入要求，所以不会触发参数缺失报错。

仅当LSTM作为Sequential模型的第一层时，没有上层输出形状可供推断，才需要手动指定input_shape=(时间步长, 特征数)，其余场景都不需要额外设置。你可以在编译模型前调用model.summary()，就能清晰看到每一层自动匹配的输入、输出形状，验证形状传递逻辑。

你提供的复现代码如下：

model=Sequential()
embedding_layer = Embedding(total_words, embedding_dim, weights=[embedding_matrix], input_length=max_length)
model.add(embedding_layer)
model.add(LSTM(64,))
model.add(Dense(1,activation='sigmoid'))
opt = SGD(learning_rate=0.01,decay=1e-6)
model.compile(loss = "binary_crossentropy", optimizer = opt,metrics=['accuracy'])
model.fit(data,train['label'], epochs=30, verbose=1)

内容的提问来源于stack exchange，提问作者Saket Vempaty