Python 1D CNN是否使用嵌入层的权重？

我正在建立一个CNN-BILSTM的模型。我用Word2Vec训练了一个单词向量矩阵。然后，在模型中， 我将字向量矩阵传递给嵌入层的权重。1D CNN（第二层）是否使用此权重或初始化新权重

    model = Sequential([
        Embedding(len(embeddings.vocab),
                output_dim = output_dim,
                input_length = test_X.shape[1],
                weights=[embeddings_matrix],
                trainable=False),
        Dropout(0.25),
        Conv1D(filters=128,
                kernel_size=5,
                padding='valid',
                activation='relu',
                strides=1),
        MaxPooling1D(pool_size=2),
        Conv1D(filters=64,
                kernel_size=5,
                padding='valid',
                activation='relu',
                strides=1),
        MaxPooling1D(pool_size=2),
        Bidirectional(LSTM(64, recurrent_dropout=0.1, dropout=0.1)),
        Dense(1, activation='sigmoid')
    ])

---

Conv1D

层将有自己的权重（更准确地说，是一个过滤器/内核）。要为

Con1D

层设置自定义权重，请参见答案。

嵌入层的权重是嵌入矩阵。有关此主题的更多详细信息，请参阅博客。