一种具有可变长度输入的热编码

Question

我很难对可变长度的序列进行一次热编码。我有一本包含21个字符的字典，我希望所有输出都具有尺寸（长度为21）。目前，我列出了大约4000个已被标记化（即它们都是数字）的可变长度序列。

现在的问题是，由于元素的大小不同，我无法在长度为4000的列表上调用keras.utils.to_categorical函数。为了克服这个问题，尝试将它们明智地转换为一个热编码元素。

问题是我得到各种次要尺寸，即我得到（length，20），（length，18），等等。有什么想法吗？这是不完整的代码，仅供参考。 （train_aa_seq是长度为4000的列表）。

tokenizer = Tokenizer(char_level = True)
tokenizer.fit_on_texts(train_aa_seq)
X_train = tokenizer.texts_to_sequences(train_aa_seq)
X_train_ERROR = to_categorical(X_train) ##THIS WONT WORK
# X_train = X_train = sequence.pad_sequences(X_train, maxlen = maxlen, padding = 'post')
for i in range(len(X_train)):
    X_train_example = to_categorical(X_train[i])
    print(X_train_example.shape)
    # WORKS BUT WRONG SECOND DIMENSION