Tensorflow Keras：为什么嵌入层只能用作第一层？

在中，它指出嵌入层“只能用作模型中的第一层”。这对我来说毫无意义，我可能希望在将输入传递到嵌入层之前对其进行重塑/展平，但这是不允许的。为什么嵌入层只能用作第一层

“只能用作模型中的第一层。”这毫无意义 对我来说

通常，嵌入层将离散值映射为连续值。在子序列层中，我们有连续的向量表示，这意味着不需要再次转换向量

在将输入传递到之前，我可能需要对其进行整形/展平 嵌入层

当然，您可以重塑或展平输入，但在大多数情况下是没有意义的。例如，假设我们有长度为30的句子，并希望在将其传递给嵌入之前将其展平：

input_layer = Input(shape=(30))
flatten = Flatten()(input_layer)
embedd = Embedding(1000, 100)(flatten)

在上面的示例中，“展平层”根本没有效果。展平前后，我们的矢量大小为

[批次，30]

让我们看另一个例子，假设我们的输入向量是[batch，30，2]形状的2D。对输入进行平坦化后，向量的大小为

[batch，60]

。我们可以将它们输入嵌入层，但在大多数情况下，它没有任何意义。事实上，我们破坏了特征之间的逻辑关系

input_layer = Input(shape=(30, 2))
flatten = Flatten()(input_layer)
embedd = Embedding(1000, 100)(flatten)