Python keras：每个示例的LSTM链的动态数量，然后是平均池

如果有人能在keras中提供以下场景的工作代码，我将不胜感激：

1） 每个训练/测试示例表示为一组不相关的单词序列。例如，示例“no.1”可以具有3个序列，但是示例“no.2”可以具有10个序列

2） 对于每个示例，每个对应序列都经过一个LSTM链，然后将这些LSTM的最后一个向量进行“平均池化”，以获得表示该示例的所有序列的单个向量。然后，将平均矢量馈入完全连接的隐藏层，然后馈入softmax

3） 我们正在使用一个嵌入查找层，它将这些序列中的单词映射到相应的向量（然后映射到LSTM）。在训练和反向传播期间，嵌入也进行了微调

我知道我可以放置固定数量的LSTM链，然后进行平均池，但由于每个示例的序列数量是动态的，因此我正在寻找真正的解决方案

干杯， 法洛克