Python 当我建立一个CNN时，我收到了来自Keras的抱怨，这些抱怨对我来说毫无意义。

我的输入形状应该是100x100。它代表一个句子。每个单词是100维的向量，一个句子中最多有100个单词

我给CNN输入了八个句子。我不确定这是否意味着我的输入形状应该是100x100x8

然后是下面几行

Convolution2D(10, 3, 3, border_mode='same',
                       input_shape=(100, 100))

投诉：

输入0与层卷积2D_1不兼容：预期ndim=4，发现ndim=3

这对我来说没有意义，因为我的输入维度是2。我可以通过将input_shape更改为（100100,8）来完成它。但“预期ndim=4”位对我来说毫无意义

我也不明白为什么一个3x3的卷积层和10个滤波器不接受100x100的输入

即使是我也能理解关于“预期ndim=4”的抱怨。我在激活层遇到问题。它在那里抱怨：

无法将softmax应用于非二维或三维张量。这里，ndim=4

---

有人能解释一下这里发生了什么以及如何修复它吗？非常感谢

2D卷积层缺少的维度是“通道”维度

对于图像数据，灰度图像的通道尺寸为1，彩色图像的通道尺寸为3

在您的情况下，为了确保Keras不会抱怨，您可以使用1个通道的2D卷积，或100个通道的1D卷积

---

Ref:

我遇到了同样的问题，我解决了它，为

通道

添加了一个维度到

输入形状

参数

我建议采取以下解决办法：

Convolution2D(10, 3, 3, border_mode='same', input_shape=(100, 100, 1))

---

Keras的卷积层采用4维数组，所以您需要对输入进行结构调整，以适应这种方式。尺寸由

组成（批量尺寸、x尺寸、y尺寸、通道）

。这在图像的情况下很有意义，CNN是最常用的，但是对于你的情况，它变得有点棘手

---

但是，

batch\u size

对数据集是不变的，因此您需要在第一个维度中堆叠8个句子，以获得

（8100100）

。通道可以保持为1，您需要以keras将接受数据的方式写入，因此将数据扩展到

（8100100,1）

将是您需要的输入形状。

这对我不起作用。您可以建议为什么需要通道吗？这是因为Keras/Tensorflow要求？