我正在使用https://blog.keras.io/a-ten-minute-introduction-to-sequence-to-sequence-learning-in-keras.html中提出的方法编写LSTM Seq2Seq NMT（英语为孟加拉语）。 一些主要区别是： 1.我的模型基于单词而不是基于字符 2.对于英语单词（编码器部分的输入），我使用了手套预训练的嵌入 3.对于孟加拉语单词，我使用了一种热编码方式
我有2个问题：
我已经使用“ categorical_cross_entropy”作为损失函数。但是，我不确定这是否是正确的方法，因为我有两种不同类型的输入-编码器输入的整数序列和解码器输入的单热编码seq（以及密集层softmax输出）。
model.compile（optimizer ='adam'，loss ='categorical_crossentropy'，metrics = ['acc']） 历史= model.fit（[encoder_input_data，oh_decoder_data]，oh_target_data， batch_size =批量大小， epochs = 100， validation_split = 0.2）
我觉得此损失（和准确性）功能可能由于输入编码中的差异而被误导了。我该如何解决？