Python 如何处理MLP中keras中的可变长度序列？

我正在使用Keras实现我的MLP神经网络架构

假设我的架构输入了_shape=（5000,8），其中第7列和第8列是简单整数（正），但问题在于这6列。我想给我的模型一个长度可变的numpy数组，在这5000个数组中的每一个数组后面加上padding value=0（直到5000为止，每行6列），使长度固定为6。我希望这些“0”值是不可训练的，也就是说，我希望我的模型不要从这些“0”（填充）值中学习

输入示例： 具有8列（0到5为我的数组，6到7为简单的正整数）的pandas dataframe使第一行如下所示：

[36,45,22,2,0,0,1,7]，其中您在该数组中看到的这两个“0”值仅用于填充目的，而实际数组仍为[36,45,22,2]

我已阅读了以下堆栈溢出问题：

其中一个答案向我展示了“keras中的填充和掩蔽”示例，如下所示：

在这种方法中，我们用一个要屏蔽（跳过）的特殊值填充较短的序列。例如，假设每个时间戳都有维度2，-10是特殊值，那么

    X = [

      [[1,    1.1],
       [0.9, 0.95]],  # sequence 1 (2 timestamps)

      [[2,    2.2],
       [1.9, 1.95],
       [1.8, 1.85]],  # sequence 2 (3 timestamps)

    ]

    will be converted to

    X2 = [

      [[1,    1.1],
       [0.9, 0.95],
       [-10, -10]], # padded sequence 1 (3 timestamps)

      [[2,    2.2],
       [1.9, 1.95],
       [1.8, 1.85]], # sequence 2 (3 timestamps)
    ]

正如您所看到的，这个答案显示了整行的填充意味着[-10，-10]已被添加为新行，仅用于填充数组X2，但我希望在与上面示例相同的行中填充0值

---

我如何在这种情况下使用Keras的掩蔽层，以避免让我的模型从这些填充的无关值中学习？非常感谢您的帮助。

在保存培训数据（作为HDF5文件中的另一个数据列）时，您是否考虑过创建和存储屏蔽阵列？这样，您只需进行一次测试，而不必在Keras中再次进行测试。只要抓取数据和面具。在您的例子中，序列1将有4个True和2个False，序列1将有6个True。或者，您可以保存一个字段/列，告诉要屏蔽的值的数量（假设您总是从末尾开始计数）。在保存训练数据时（作为HDF5文件中的另一个数据列），您是否考虑过创建和存储屏蔽数组？这样，您只需进行一次测试，而不必在Keras中再次进行测试。只要抓取数据和面具。在您的例子中，序列1将有4个True和2个False，序列1将有6个True。或者，您可以保存一个字段/列，告诉要屏蔽的值的数量（假设您总是从末尾开始计数）。