我正在尝试复制论文的工作（关于文本的二进制分类）以形成模型的基准-论文说：“使用上述预先训练的GloVE模型，将这些标记化的推文转换为嵌入的结果。然后将向量序列馈送到LSTM，该LSTM输出单个32维向量，然后将其馈送到2个大小为128和64的ReLU激活层中，以产生输出”
那会转化为：
model_glove1 = Sequential()
model_glove1.add(Embedding(vocabulary_size, 25, input_length=50, weights=[embedding_matrix25],trainable=False))
model_glove1.add(LSTM(32))
model_glove1.add(Dense(128, activation='relu'))
model_glove1.add(Dense(64, activation='relu'))
model_glove1.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy',auc_roc])
当损失函数binary_crossentropy期望形状为（1，）时，最后一个致密层的输出将为形状（64，）