Keras 如何为每个批次更改嵌入层中的输入长度？

我正在设计一个嵌入层，其中词汇量约为4000，大多数培训示例的短长度小于10。然而，有些示例的长度是100，甚至可能是几百，为了在所有示例中保持恒定的输入长度，我希望避免将每个示例的长度填充为100+

---

为了解决这个问题，我只想根据批中的最大长度填充，这样几乎所有批都只有输入长度~10，只有少数批有大量填充。如何将具有不同输入长度的每个批加载到嵌入层？

一种可能的方法是将input\u length参数设置为None。但是，如果要在该层之后使用“密集”和“平坦”层，它们可能不起作用。更多访问

。。。这个论点是正确的 如果要连接扁平层和致密层，则需要此选项 上游（如果没有它，密集输出的形状就不可能 （计算）

---

现在，模型可以接受可变长度序列。

可变输入能否仅在密集层（即不平坦）下工作？恐怕不行。当返回序列为False时，它甚至可能不适用于LSTM。您是否正在尝试进行批量培训？我想使用

fit\u generator

进行批量培训，但当模型包含嵌入层时，我不知道如何进行培训。当我不知道嵌入的参数（例如输入长度）时，我怎么能编译一个模型呢？

model = keras.models.Sequential(
    [
      keras.layers.Embedding(voc_size, embedding_dim, input_length=None)
    ]
)