将段落中的每个单词分类（TF Keras）

Question

我想创建一个模型，将0和input_len之间的vocab_size整数向量转换为0和31之间的input_len整数向量。

整数的顺序很重要，因为这些向量代表了我试图用32种可能的类别对每个单词进行分类的段落。

我有以下训练数据：

段落本身（输入）的格式为单词数组，其编号为0-vocab_size，并填充或剪切为input_len个单词 标签（输出）的格式设置为标签0-31的等长数组（0为无）

一个虚构的示例输入可能类似于：[12,4,63,2,9]，而输出可能类似于[0,0,3,0,7]。

model = tf.keras.models.Sequential([
    tf.keras.layers.Embedding(vocab_size, embedding_dim, input_length=input_len),
    tf.keras.layers.LSTM(128, input_shape=(input_len, embedding_dim),
                         return_sequences=True),
    tf.keras.layers.Dense(32, activation='relu')
])

model.compile('adam', 'sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10)
model.evaluate(x_test, y_test)

上面的代码抛出错误

  

InvalidArgumentError：无法挤压dim [1]，预期尺寸为1，得到1000“

当前为input_len = 1000。

TLDR，我有一个形状为(training_set_size, input_len)的输入，并且希望LSTM有一个形状为(training_set_size, input_len)的输出。