Python 嵌入层后的keras最大池层

我有一个7个单词的嵌入，每个单词都是10维的，所以总的来说，我有一个7行10列的矩阵。 在应用这个嵌入（使用嵌入层）之后，我得到了维的输出（None，7，1，10）

我想要一个向量，使得它的第I个元素是第I行的最大值，对于{0,6}范围内的每个I。因此，它应该是一个长度为7的向量（并且像（None，7）这样的维度）

为此，我首先使用重塑层，将尺寸更改为（7,10）（否则，它不起作用）

然后，我尝试使用globalMapooling1d（也尝试了MaxPooling1D），但输出没有 拥有我想要的维度。它是（无，10）而不是（无，7）

我在一个单独的示例中检查了GlobalMapooling1D，它运行良好。它必须是嵌入层在中间推动的附加维度的东西。

p、 在美国，也有人提出了类似的问题： 但我不认为建议的答案回答了最初的问题（它似乎返回了整个矩阵的最大值）

---

尝试使用Lambda（Lambda x:tf.reduce_max（x，axis=-1））代替globalMapooling1d（）谢谢！我确实想到了Lambda层，但尝试了与tf.reduce_max相同的amax函数，但它有一些numpy-tensors错误，这是您的建议所没有的。