Tensorflow 使用keras卷积1D层时的负尺寸误差

我正在尝试使用Keras创建一个char cnn。这种类型的cnn需要使用

卷积1D

层。但我尝试将它们添加到模型中的所有方法，都会在创建阶段给我带来错误。这是我的密码：

def char_cnn（n_vocab，max_len，n_classes）：
conv_层=[[256,7,3]，
[256, 7, 3],
[256，3，无]，
[256，3，无]，
[256，3，无]，
[256, 3, 3]]
完全_层=[1024，1024]
th=1e-6
嵌入大小=128
输入=输入（shape=（最大长度），name='sent\u Input'，dtype='int64'）
#嵌入层
x=嵌入（n_vocab，嵌入大小，输入长度=最大长度）（输入）
#卷积层
对于conv_层中的cl：
x=卷积1d（cl[0]，cl[1]）（x）
x=阈值德雷卢（th）（x）
如果不是，则cl[2]为无：
x=MaxPoolg1d（cl[2]）（x）
x=展平（）（x）
#完全连接层
对于全层中的fl：
x=密度（fl）（x）
x=阈值德雷卢（th）（x）
x=辍学率（0.5）（x）
预测=密集（n_类，激活='softmax'）（x）
模型=模型（输入=输入，输出=预测）
compile（优化器='adam'，loss='classifical\u crossentropy'）
回归模型

这是我在尝试调用

char\u cnn

函数时收到的错误

InvalidArgumentError回溯（最近一次调用上次）
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/common\u shapes.py in\u call\u cpp\u shape\u fn\u impl（op，需要输入张量，需要输入张量，需要输入张量，需要形状）
685图形版本、节点、输入形状、输入张量、，
-->686输入\u张量\u作为\u形状、状态）
687错误除外。InvalidArgumentError作为错误：
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/errors\u impl.py in\uuuuuuuuu exit\uuuuuuuu（self、type\u arg、value\u arg、traceback\u arg）
515 compat.as_text（c_api.TF_消息（self.status.status）），
-->516 c_api.TF_GetCode（self.status.status））
517#从内存中删除基础状态对象，否则它将保持活动状态
InvalidArgumentError：输入形状为：[？、1,1256]、[1,3256256]的“conv1d_26/卷积/Conv2D”（op:“Conv2D”）从1中减去3导致的负维度大小。

---

如何修复它？

您的下采样太过激进，这里的关键参数是

max\u len

：当它太小时，序列变得太短，无法执行卷积或最大池。您设置了

pool\u size=3

，因此在每次池化之后，它会将序列收缩一个因子

3

（参见下面的示例）。我建议你试试

pool\u size=2

此网络可以处理的最小

max_len

是

max_len=123

。在这种情况下，

x

形状按以下方式变换（根据

conv\u层

）：

设置较小的值，如

max_len=120

会导致

x.shape=（？，4，256）

位于最后一层之前，并且无法执行此操作

(?, 123, 128)
(?, 39, 256)
(?, 11, 256)
(?, 9, 256)
(?, 7, 256)
(?, 5, 256)