Python 如何在tf.keras中屏蔽lstm的输入

我正在构建一个混合模型（CNN上的RNN），我想屏蔽输入，问题是
conv层不支持该掩码。 我尝试过做掩蔽并将其传递给lstm，如下所示：

inputs = tf.keras.layers.Input(shape=(100,))
     mask = tf.keras.layers.Masking().compute_mask(inputs) 
     embedding = tf.keras.layers.Embedding(self.preprocess["max_features"]+1, 300, input_length=100,
                 weights=[self.preprocess["matrix"]], trainable=True)(inputs) 
     lstm = tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(200,recurrent_dropout=0.2, dropout=0.2,return_sequences=True))(embedding,mask=mask)
     conv = tf.keras.layers.Conv1D(filters=200, kernel_size=3, padding='same', activation='relu')(lstm)

矩阵的0ind是零的向量

我从lstm层获得以下错误：

---

索引器错误：列表分配索引超出范围

您是否尝试检查文档的

Tensorflow

？我想这会对你有所帮助。
在上面的示例中，它们添加了

mask_zero=True

embedding = layers.Embedding(input_dim=5000, output_dim=16, mask_zero=True)
masked_output = embedding(padded_inputs)

print(masked_output._keras_mask)

---

它可以工作，我认为我不能使用mask_zero，因为conv、max pooling和flatten层，就像在上一个版本中一样：下游的所有层都应该支持mask zero。但现在证明这是可能的