如果有人可以在 keras 中为以下方案提供有效代码，我真的很感激：
1）每个训练/测试示例表示为 SET 的非相关词序列。例如，示例“no.1”可以具有3个序列，但是示例“no.2”可以具有10个序列。
2）对于每个例子，每个相应的序列都通过LSTM链，然后那些LSTM的最后一个矢量“平均合并”以获得单个矢量表示该示例的所有序列。然后，将平均矢量馈送到完全连接的隐藏层，然后馈送到softmax。
3）我们正在使用嵌入查找层，它将这些序列的单词映射到它们相应的向量（然后到LSTM）。在训练和反向传播期间，嵌入也是微调。
我知道我可以放置固定数量的LSTM链，然后进行平均合并，但由于每个示例的序列数是动态的，我正在寻找一个真正的解决方案。
干杯， Farrokh。