keras 中用于文本分类的 convolution2d 的尺寸误差

Question

我的输入形状是一个 10000x500 的文本文档。 10000代表文档数，500代表字数

我想做的是为kera的嵌入提供文本，然后是BLSTM，然后是Conv2D，然后是2Dpooling，展平，最后是一个完全连接的密集层。

架构图如下：

inp = Input(shape=(500,))
x = Embedding(max_features=10000, embed_size=100)(inp)
x = Bidirectional(CuDNNLSTM(50, return_sequences=True))(x)
x = Conv2D(filters=128, kernel_size=(3, 3), input_shape=(100,500,1))(x)
x = MaxPooling2D()(x)
x = Flatten()(x)
x = Dense(1, activation="sigmoid")(x)

嵌入的输出形状为 (None, 500, 100) BLSTM 隐藏状态的输出形状为 (None, 500, 100)。我想要一个 Conv2D 从 BLSTM 中提取隐藏层上的局部特征。但是，我遇到尺寸差异错误。

ValueError: Input 0 is incompatible with layer conv2d_8: expected ndim=4, found ndim=3

我已经尝试了这里的解决方案 When bulding a CNN, I am getting complaints from Keras that do not make sense to me. 但仍然出现错误。

Answer 1

您有两个选择：

a) 通过向 x 添加维度，将 Conv2D 与 rows=100、cols=500 和 channels=1 一起使用：

x = Lambda(lambda t: t[..., None])(x)
x = Conv2D(filters=128, kernel_size=(3, 3), input_shape=(100,500,1))(x)

b) 将 Conv1D 与 steps=100 和 input_dim=500 一起使用，并使用 MaxPooling1D:

x = Conv1D(filters=128, kernel_size=3, input_shape=(100, 500))(x)
x = MaxPooling1D()(x)
x = Flatten()(x)

keras 中用于文本分类的 convolution2d 的尺寸误差

Dimension error for convolution2d in keras for text classification

nlp

lstm

keras

rnn

convolutional-neural-network