如何在keras中嵌入3d输入？

我正在尝试在Keras中嵌入一个

层

我的输入大小是3d:
（批处理，8，6）
，我想嵌入最后一个维度。

因此，嵌入应该像
（批处理*8,6）
->
嵌入输出那样工作

但是我不想在所有的学习步骤中都保留这个
batchsize
，只是为了嵌入层

我认为解决方案之一是分离8个输入，并将嵌入应用于每个输入。

但是这个嵌入层和一个大的嵌入层不一样

有什么可能的解决办法吗？谢谢
 解决方案非常简单：

input_shape = (8,6)

并通过嵌入。你会得到你想要的


完整的工作示例：
其中10是字典大小（单词或类似词的数量），15是嵌入大小（结果维度）

结果摘要：

Model: "model_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 8, 6)              0         
_________________________________________________________________
embedding_1 (Embedding)      (None, 8, 6, 15)          150       
=================================================================
Total params: 150
Trainable params: 150
Non-trainable params: 0
_________________________________________________________________

谢谢但是我想嵌入最后一个维度（只有6），这个解决方案是嵌入（8,6）维度吗？是的，这就是解决方案。它将成为
（批处理，8，6，嵌入大小）
。我尝试了，但sol不起作用。我想使用输入长度为6。这是不可能的吗？你不需要输入长度，在我看来这个参数有点没用。不要用它。查看更新后的答案，了解一个工作示例。也许你认为8和6是不同的东西？不，它们只是值的“分布”方式，但是如果不从8中获取值，就无法从6中获取值，这是不存在的。（在特定轴上工作的操作称为“还原”运算，对一个维度求和的运算，或者取平均值，或者取最大参数，等等。但是嵌入不是这样的，它只取所有的值，每个值返回一个向量。没有任何缩减或维度特定的运算，因此，am嵌入中没有轴的区别，它只是保持相同的原始分布）。
Model: "model_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 8, 6)              0         
_________________________________________________________________
embedding_1 (Embedding)      (None, 8, 6, 15)          150       
=================================================================
Total params: 150
Trainable params: 150
Non-trainable params: 0
_________________________________________________________________