问题描述
请参见下面的图片。
我的问题是关于question_input和text_input的LSTM输出及其串联，以及我们如何告诉Dense层它真正在寻找的是问题的答案（question_input根据text_input中提供的信息。
以下是我了解的步骤：
我们从10000个单词长的词汇量开始，然后将其通过Embedding层，以获取词汇表中10000个单词中每个单词的64维嵌入向量。然后从此向量数组或向量矩阵返回text_input的嵌入向量，称为embedded_text。
类似地，我们返回embedded_question。
问题：
1）
当我们通过自己的LSTM编码器运行embedded_text和embedded_question来获得encoded_text和encoded_question时，分别得到长度为32和16的一维矢量，这个LSTM编码代表什么？我们通过两个独立的LSTM编写了大量文本-一个是问题，另一个是参考文本。但是到目前为止，我们还没有问LSTM的问题，我们希望在(32,)和(16,)编码中找到答案吗？ (32,)编码仅代表权重还是输入？我认为这些应该作为输入，因为此结果被连接起来，并在以后馈送到softmax激活函数中。将在softmax
2）
通过创建(32,)编码，然后将其编码到softmax中，我们如何仍然知道我们从(500,)层获得的Dense答案是关于这个问题的我们问了吗？
谢谢！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）