keras.layers.GlobalAveragePooling1D()

对文本数据进行平均池化操作
输入得数据格式为：(batch_size, steps, features)
batch_size表示本批次有多少条文本
steps表示一个文本里面有是多少个单词
features表示一个单词使用多少维度进行表示

输出得数据格式为：(batch_size, features)
features表示一行文本使用多少个维度进行表示

所以从上面得输入和输出可以看出。steps这个维度不见了，
所以这允许模型以尽可能最简单的方式处理可变长度的输入。

案例

embedding_dim=16

model = keras.Sequential([
  layers.Embedding(vocab_size, embedding_dim, input_length=maxlen),
  layers.GlobalAveragePooling1D(),
  layers.Dense(16, activation='relu'),
  layers.Dense(1, activation='sigmoid')
])

model.summary()

输出如下
Model: “sequential”

---

Layer (type) Output Shape Param #

embedding_1 (Embedding) (None, 500, 16) 160000

---

global_average_pooling1d (Gl (None, 16) 0

---

dense (Dense) (None, 16) 272

---