Keras嵌入层与LSTM

我原来的模型是：

input = Input(shape=(1, 6)) # 1 time step, 6 features
LSTM_layer = LSTM(self.lstm_units, return_sequences=False, return_state=True)
lstm_output, out_h, out_c = LSTM_layer(embedded, initial_state=[h, c])

输入是一个单热向量，例如[0,1,0,0,0,0]
现在我已经读到，最好将输入嵌入到LSTM，所以模型现在看起来像

input = Input(shape=(6,))
embedded = Embedding(6, 2, input_length=6)(input)
LSTM_layer = LSTM(self.lstm_units, return_sequences=False, return_state=True)
lstm_output, out_h, out_c = LSTM_layer(embedded, initial_state=[h, c])

---

虽然这是可行的，但我的问题是，嵌入层的输出现在是（？，6，2）。这是LSTM层眼中的6个时间步和2个特征。这是实现这种方法的正确方法吗？

你能解释一下你想做什么吗？为什么要嵌入输入？@Digital Thinking我正在尝试实现ENAS（）。虽然输入的维度很低，不足以证明使用嵌入层是合理的，但他们似乎还是使用了它。另外，知道如何解决这个问题也很好。