keras中单词嵌入的输出dim必须是什么？
密集嵌入的维数必须是多少？我们如何在keras中为word_嵌入设置output_dim的值keras中单词嵌入的输出dim必须是什么？,keras,deep-learning,word-embedding,Keras,Deep Learning,Word Embedding,密集嵌入的维数必须是多少？我们如何在keras中为word_嵌入设置output_dim的值 keras.layers.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None) 嵌
keras.layers.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)
嵌入层将分类变量词转换为向量。输出维度指定此向量的长度 如果选择10，则每个单词都将转换为大小为10的向量。该向量的值将在训练期间优化。如果您需要找出哪个输出维度最适合您的问题，我建议您找到类似的项目，并尝试使用它们的输出维度大小。另一个选择是尝试一些尺寸，并判断哪一个最适合