文本分类keras中卷积2D的尺寸误差

我的输入形状是一个10000x500文本文档。10000表示文档数，500表示字数

我试图做的是为kera的嵌入提供文本，然后是BLSTM，然后是Conv2D，然后是2D池，扁平化，最后是完全连接的密集层

架构如下图所示：

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)

嵌入的输出形状将是（无、500、100） BLSTM隐藏状态的输出形状将是（None、500100）。 我想要一个Conv2D从BLSTM中提取隐藏层上的局部特征。然而，我有尺寸误差

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

我在这里尝试了一种解决方案，但仍然出现错误。

您有两种选择：

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\u dim=500

一起使用，并使用

maxpoolg1d

：

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

---

lambda函数实际上对形状做了什么？它在最后一个轴上增加了一个维度。它相当于轴=-1