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'))

嵌入层的输出具有形状（batchSize，12，100）。 conv2D图层需要输入形状（batchSize，filter，12、100），并且出现以下错误：

 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？

我正在使用Tensorflow作为后端的Keras。

Answer 1

添加重塑图层应该是https://keras.io/layers/core/#reshape的方法 根据具体情况，Conv1D虽然可以正常工作。

Answer 2

我设法用下面的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'))