keras: 在構建LSTM模型時，使用變長序列的方法

眾所周知，LSTM的一大優勢就是其能夠處理變長序列。而在使用keras搭建模型時，如果直接使用LSTM層作為網絡輸入的第一層，需要指定輸入的大小。如果需要使用變長序列，那么，只需要在LSTM層前加一個Masking層，或者embedding層即可。

from keras.layers import Masking, Embedding
from keras.layers import LSTM
    model = Sequential()
    model.add(Masking(mask_value= -1,input_shape=(sequenceLength, 23*3,)))
    model.add(LSTM(100, dropout_W=0.2, dropout_U=0.2, input_shape=(sequenceLength, 23*3,))) 

　　使用方法：首先將序列轉換為定長序列，如，選取一個序列最大長度，不足這個長度的序列補-1。然后在Masking層中mask_value中指定過濾字符。如上代碼所示，序列中補的-1全部被過濾掉。

 

    此外，embedding層也有過濾的功能，但與masking層不同的是，它只能過濾0，不能指定其他字符，並且因為是embedding層，它會將序列映射到一個固定維度的空間中。因此，如果訴求僅僅是讓keras中LSTM能夠處理邊長序列，使用Masking層會比使用Embedding層更加適合。