如何在keras中扩展嵌入层的输出

Question

我有以下网络：

model = Sequential()
model.add(Embedding(400000, 100, weights=[emb], input_length=12, trainable=False))

model.add(Conv2D(256,(2,2),activation='relu'))

嵌入层的输出形状为 (batchSize, 12, 100)。 conv2D 层需要输入形状 (batchSize, filter, 12, 100)，我得到以下错误：

 Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=3

那么，如何扩展嵌入层的输出以使其适合 Conv2D 层？

我使用 Keras 和 Tensorflow 作为后端。

Answer 1

添加重塑图层应该是正确的方法https://keras.io/layers/core/#reshape 看具体情况 Conv1D cold although work.

Answer 2

我设法使用以下代码添加了另一个维度：

model = Sequential()
model.add(Embedding(400000, 100, weights=[emb], input_length=12, trainable=False))
model.add(Lambda(lambda x: expand_dims(x, 3)))
model.add(Conv2D(256,(2,2),activation='relu'))

如何在keras中扩展嵌入层的输出

How to expand output of embedding layer in keras

keras

tensorflow

keras-layer