嵌入层 Embedding

    Embedding层只能作为模型的第一层

    • input_dim：大或等于0的整数，字典长度，即输入数据最大下标+1

    • embeddings_initializer: 嵌入矩阵的初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。参考initializers

    • embeddings_regularizer: 嵌入矩阵的正则项，为对象

    • mask_zero：布尔值，确定是否将输入中的‘0’看作是应该被忽略的‘填充’（padding）值，该参数在使用递归层处理变长输入时有用。设置为的话，模型中后续的层必须都支持masking，否则会抛出异常。如果该值为True，则下标0在字典中不可用，input_dim应设置为|vocabulary| + 1。

    • input_length：当输入序列的长度固定时，该值为其长度。如果要在该层后接Flatten层，然后接Dense层，则必须指定该参数，否则Dense层的输出维度无法自动推断。

    形如(samples, sequence_length, output_dim)的3D张量

    1. model = Sequential()
    3. # the largest integer (i.e. word index) in the input should be no larger than 999 (vocabulary size).
    4. # now model.output_shape == (None, 10, 64), where None is the batch dimension.
    8. model.compile('rmsprop', 'mse')
    9. output_array = model.predict(input_array)