我正在构建一个神经网络，其中有两个分类特征，它们分别独立地通过嵌入层，然后它们的嵌入未成功连接在一起。
x1 = np.random.randint(24, size = (20,1))
x2 = np.random.randint(100, size = (20,1))
X_list = [x1,x2]
label_array = np.random.randint(2,size = (20,1))
input1 = Input(shape=(1,))
output1 = Embedding(input_dim = 25, output_dim = 10)(input1)
output1 = Reshape(target_shape=(10,))(output1)
input2 = Input(shape=(1,))
output2 = Embedding(input_dim = 101, output_dim = 10)(input2)
output2 = Reshape(target_shape=(10,))(output2)
inputs = [input1, input2]
output_embeddings = [ output1, output2]
output_model = Concatenate()(output_embeddings)
output_model = Dense(500, activation='relu')(output_model)
output_model = Dense(1, activation='sigmoid')(output_model)
model = Model(inputs = input_model, outputs = output_model)
model.compile(optimizer = 'adam', loss='binary_crossentropy')
model.predict(X_list)
当input_dim变量（词汇量）相等时
model.predict（X_list） 返回一个向量，而不是错误，但是如果嵌入层中的input_dim具有与示例中不同的大小，则会出现此错误： InvalidArgumentError：索引[1,0] = 66不在[0，25） [[{{node embedding_23 / embedding_lookup}} = GatherV2 [Taxis = DT_INT32，Tindices = DT_INT32，Tparams = DT_FLOAT，_device =“ / job：localhost / replica：0 / task：0 / device：CPU：0”] [embedding_23 / embeddings / read，embedding_23 / Cast，embedding_23 / embedding_lookup / axis）]]
我的猜测是词汇量应该相同，但是当词汇量不相等时该怎么办？