在this tensorflow教程之后，在Build the model部分下，第一层keras.Sequential（）被赋予参数vocab_size=10000。这是什么意思？
在查看文档后我发现，Sequential模型需要知道输入张量的形状（输入层的张量），input_shape属性定义它。但input_shape应该像（30,50,50,3）（30,50x50 RGB图像）。本教程中的值为10000。
顺序只是一种定义模型的方法，如果你想要的话，它是一种包装器。
它包裹了一系列图层。第一层需要输入大小。
对于您正在研究的每个元素，输入形状将不同：您是正确的，图像的输入形状可以是（50,50,3）。
在您提供的示例中，第一层处理单词嵌入：嵌入形状由创建数据的函数定义（在示例页面的下方有imdb.load_data()）
vocab_size不是完整的形状，而是您将作为单个输入处理多少“嵌入”的嵌入。
你可以在这里看到一个更清晰的例子：https://keras.io/layers/embeddings/
对于问题的第一部分：
该示例使用嵌入层。可以将嵌入层视为查找矩阵。每行代表一个单词向量。 vocab_size识别该矩阵的大小（或者换句话说，在该矩阵中表示的单词的数量 - 其实质上是矩阵的行数）。
现在要表示一个输入字符串，每个单词将由一个整数表示 - 它对应于嵌入矩阵的行。
对于第二部分，我不确定您指的是哪个示例或您要执行的操作。但是，您可能想知道批处理中的样本数不是input_shape的一部分。所以input_shape传递一批30个50 * 50 RGB图像的样本将是（50,50,3）