我正在Google colab中构建一个Tensorflow模型。 我对嵌入层的行为感到困惑。它将输入层的大小不断减小一半。

def build_model(vocab_size,embedding_dim,rnn_units,batch_size):
  model = tf.keras.Sequential([
    tf.keras.layers.Embedding(vocab_size,batch_input_shape=[batch_size,100]),tf.keras.layers.GRU(rnn_units,return_sequences=True,stateful=True,recurrent_initializer='glorot_uniform'),tf.keras.layers.Dense(vocab_size)
  ])
  return model

model = build_model(
  vocab_size = len(vocab),embedding_dim=embedding_dim,rnn_units=rnn_units,batch_size=BATCH_SIZE)

model.compile(optimizer='adam',loss=loss)

这是输入。

dataset = helperDf(df,64,100)

数据集是批处理帮助程序类。每次调用时，它都会返回带有两个张量的数组，它们的大小分别为[（64,100），（64,100）]，用于训练和标注。

通话

example_batch_predictions = model(dataset.batch())


print(example_batch_predictions.shape,"# (batch_size,sequence_length,vocab_size)")

还可以。与 (64,100,48) # (batch_size,vocab_size)

但是当我打电话给我时：

history = model.fit(dataset.batch(),epochs=EPOCHS,callbacks=[checkpoint_callback])

返回：

WARNING:tensorflow:Model was constructed with shape (64,100) for input Tensor("embedding_4_input:0",shape=(64,100),dtype=float32),but it was called on an input with incompatible shape (32,100).

为什么将输入检测为32而不是64？

致谢