具有LSTM的Keras嵌入层

Question

我的原始模型是：

input = Input(shape=(1, 6)) # 1 time step, 6 features
LSTM_layer = LSTM(self.lstm_units, return_sequences=False, return_state=True)
lstm_output, out_h, out_c = LSTM_layer(embedded, initial_state=[h, c])

输入是一个热向量，例如[0，1，0，0，0，0]
现在，我读到最好将输入嵌入到LSTM中，所以模型现在看起来像

input = Input(shape=(6,))
embedded = Embedding(6, 2, input_length=6)(input)
LSTM_layer = LSTM(self.lstm_units, return_sequences=False, return_state=True)
lstm_output, out_h, out_c = LSTM_layer(embedded, initial_state=[h, c])

虽然可行，但我的问题是，嵌入层的输出现在为（？，6，2）。 LSTM层具有6个时间步长和2个特征。这是实现这种方法的正确方法吗？