Python 多通道卷积神经网络-负尺寸误差

我想设计，多频道CNN

我在第一步中收到一条错误消息。（图中，第一层至第二层）

我的密码就像风箱一样

_concat_embeded = keras.layers.concatenate([_embeding1, _embeding2], axis= -1)
_biCH_embeded = keras.layers.Reshape((2, self.lexicalMaxLength, charWeights.shape[1]))(_concat_embeded)
_1stConv = keras.layers.Conv2D(filters=512, kernel_size=(5, charWeights.shape[1]),
                               activation=tf.nn.relu)(_biCH_embeded)

_biCH_嵌入处的形状为[？2131131]（我的嵌入具有131维=charWeights.Shape[1]）

我想生成512个过滤器，它有（5131）个形状

然后，我得到了一条消息，“输入形状为[？，2,33131]，[5131131512]的'conv2d_1/卷积'（op:'conv2d'）从2减去5会导致负维度大小。”

问题在哪里

我发现了这个问题

我用“通道优先”规则（2133133）重塑了我的张量

但我的Keras配置是由“channel_last”设置的

我将重塑规则更改为“channel_last”（133133,2），现在开始训练

---

（如果您想更改Keras配置，请查看“~/.Keras/Keras.json”）

这是否回答了您的问题？