Keras函数式模型中Word Embedding+BLSTM的输入形状X取值咨询

你这里的X应该是你预处理后统一的句子序列长度，也就是所有输入句子经过填充/截断后的固定长度，下面给你详细拆解：

• 为什么需要固定长度？因为深度学习模型要求输入维度是固定的，而原始句子的长度肯定参差不齐（有的句子10个词，有的可能200个），所以必须先对所有句子做标准化处理：用keras.preprocessing.sequence.pad_sequences函数，把短句子补0（padding）、长句子截断（truncating），让所有句子都变成相同长度的数值序列。这个统一后的长度就是你要填的X。

• 举个实际例子：假设你统计了数据集里所有句子的长度，发现95%的句子都不超过150个词，那你可以把maxlen设为150，处理完后每个句子都是150维的序列。这时候你的Input就应该写成：

  inputs = Input(shape=(150,))
  

• 衔接Embedding层的逻辑：接下来你的Embedding层会接收这个输入，它的输入形状就是(batch_size, sequence_length)，这里的sequence_length正好和Input里的X对应，之后再连接BLSTM层就顺理成章了。

• 小提醒：X的取值不用盲目设很大，太大可能引入冗余、增加计算量；太小则会丢失长句的关键信息，最好先统计数据集的句子长度分布，再选一个合适的数值。

内容的提问来源于stack exchange，提问作者Rodrigo Serna Pérez