在Keras 3.x（包括TensorFlow内置Keras）中，Embedding层已移除input_length参数，需改用input_shape显式指定输入序列长度，否则会报错“Unrecognized keyword arguments”。
在keras 3.x（包括tensorflow内置keras）中，`embedding`层已移除`input_length`参数，需改用`input_shape`显式指定输入序列长度，否则会报错“unrecognized keyword arguments”。
Keras 3.x（自2023年发布的Keras 3.0起）进行了重大API重构，全面转向多后端（TensorFlow、JAX、PyTorch）统一设计。在此版本中，Embedding层的构造参数已精简并标准化：input_length 已被正式弃用，不再接受为关键字参数。官方文档中若仍出现该参数，多为未及时同步的遗留示例或文档渲染错误。
正确做法是通过 input_shape 参数声明输入张量的形状（不包含batch维度）。对于一维整数序列（如词索引序列），input_shape 应设为 (max_sequence_length,)，Keras将据此自动推导权重矩阵形状 (input_dim, output_dim) 并完成初始化。
✅ 正确写法（Keras 3.x / tf.keras 2.16+）：
import keras
model = keras.Sequential()
input_dim = 3 # 词汇表大小（最大索引+1）
output_dim = 1 # 每个词嵌入的维度
max_len = 10 # 序列最大长度（即 input_length 的等效含义）
model.add(
keras.layers.Embedding(
input_dim=input_dim,
output_dim=output_dim,
input_shape=(max_len,) # ✅ 关键：用 input_shape 替代 input_length
)
)
model.summary()⚠️ 注意事项：
- input_shape 是元组，必须包含逗号（如 (10,)），不可写作 (10)（后者是整数而非元组）；
- input_shape 指定的是单个样本的形状（不含 batch 维度），例如 (10,) 表示每个样本是长度为10的整数序列；
- 若后续接 LSTM 或 GRU 等循环层，通常需确保输入已填充（padding）至统一长度，max_len 即该固定长度；
- 不再需要手动设置权重——Keras会在调用 build() 或首次 fit() 时自动初始化可训练嵌入矩阵；
- 若使用函数式API，input_shape 可在 Input 层中指定，Embedding 层则无需重复传入。
? 补充说明：在旧版 Keras 2.x 中，input_length 曾用于辅助计算输出形状，但实际常被忽略（因模型可通过输入数据动态推断）；Keras 3.x 通过更一致的 input_shape 机制消除了这一冗余，提升了API清晰度与跨后端兼容性。
请务必检查当前环境的 Keras 版本：运行 import keras; print(keras.__version__)，若 ≥3.0.0，则严格遵循上述 input_shape 方式即可彻底解决该报错。
