在this tensorflow教程之后，在 Build the model 部分下，为keras.Sequential（）的第一层赋予参数vocab_size=10000。什么意思？
查看文档后，我发现，顺序模型需要知道输入张量的形状（输入层的张量），并使用input_shape属性对其进行定义。但是input_shape应该像（30，50，50，3）（对于30，50x50 RGB图像）。本教程中的值为10000。
答案 0 :(得分：1)
对于问题的第一部分：
该示例使用嵌入层。将嵌入层视为查找矩阵。每行将代表一个单词向量。 vocab_size标识此矩阵的大小（或换句话说，此矩阵中表示的单词数-本质上是矩阵的行数）。
现在表示输入字符串，每个单词将由一个整数表示-对应于嵌入矩阵的行。
对于第二部分，我不确定您指的是哪个示例或您要尝试执行的操作。但是，您可能想知道批次中的样本数量将不是input_shape的一部分。因此，传递30个50 * 50 RGB图像样本的input_shape将为（50,50,3）
答案 1 :(得分：1)
顺序只是定义模型的一种方法，如果需要的话，可以是一种包装器。
它包装了一系列的层。 第一层需要输入大小。
您要研究的每个元素的输入形状都将有所不同：正确的是，图像的输入形状可能是（50，50，3）。
在您提供的示例中，第一层处理单词嵌入：嵌入形状由创建数据的函数定义（在示例页面的下方是imdb.load_data()）
vocab_size不是完整的形状，而是要把多少“行”的嵌入作为单个输入对待。
您可以在此处看到更清晰的示例：https://keras.io/layers/embeddings/