尝试使用 keras 在 Python 中实现带有手套嵌入的双向 LSTM 模型。模型架构如下：
该模型在没有对输入数据进行任何预处理的情况下运行时运行良好。下图显示了模型的输出：
作为预处理的一部分，输入数据使用 Spacy 进行词形还原，然后传递到模型中。
词形还原预处理代码：
nlp = spacy.load(“en_core_web_sm-2.1.0”)
doc = nlp(sentence)
lemma_sent = “ “.join([token.lemma_ for token in doc])
以下方法是否适合模型：
model.fit(data_train,train_label,epoch=5,batch_size=32,verbose=True,validation_data=[data_test,test_label])
但是该模型为每个时期给出如下输出（在训练和测试数据的词形化之后）：
请帮助解释为什么模型会像上面那样通过词形还原来运行。无论有没有词形还原，模型摘要看起来都是一样的。