我有一系列序列。我想将它们编码为长度为encoded_dim的向量。为此，我在Keras中使用堆叠的LSTM制作了自动编码器：
inputs = Input(shape=(None, input_dim))
encoded = LSTM(encoded_dim)(LSTM(latent_dim, return_sequences=True)(inputs))
decoded = RepeatVector(timesteps)(encoded)
decoded = Dense(8)(Dense(100)(LSTM(input_dim, return_sequences=True)(decoded)))
sequence_autoencoder = Model(inputs, decoded)
sequence_autoencoder.compile(optimizers.Adam(lr=0.01), loss='mean_squared_error')
sequence_autoencoder.fit(input, input, epochs=3000, batch_size=16, shuffle=False, callbacks=[...], validation_split=.2)
当我将注意力集中在长度为timesteps的序列上时，这很好用。但是，总的来说，我的序列长度不一样，因此RepeatVector(timesteps)不能按原样工作。 （这也会使批处理变得混乱，但是我对batch_size=1进行了不错的培训，因此对于我的特定用例，我不太担心。）
在通用seq2seq建模的情况下，进行了富有成果的对话here，涉及可变长度的输入序列和批处理。不幸的是，那里没有检索固定大小编码的问题。
非常感谢任何建议/代码段。