Tensorflow Keras：如何将向量附加到张量

我与keras/tf建立了一个网络，其中建立了两个分支机构： -一种将一个短的单词序列转换成300个小嵌入的方法 -另一种是将相同的单词序列转换成ngrams

然后，我得到了两个数据结构：

termwords.shape = (?, 42, 300)
termngrams.shape = (?, 42)

（我确保两个分支具有相同的“长度”42，即最多42个单词，最多42个ngrams，必要时进行填充/切割）。然后我需要将它们合并到一个分支中，以到达预测层

但是

告诉我等级不匹配。我希望concat会允许我在“术语词”后面附加“术语图”，这样我就得到了一个形状为（？，42301）的数据结构。但我找不到合适的方式来表达

“秩”错误告诉你张量的维数不一样。一个是2D，另一个是3D

使用带有

expand_dims

的

Lambda

层向二维维度添加额外维度

import keras.backend as K
from keras.layers import Lambda

termngrams = Lambda(lambda x: K.expand_dims(x))(termngrams) #outputs (?,42,1)

然后使用一个层（默认情况下，它使用最后一个轴，如您所需）

---

（假设您使用的是函数API

Model

而不是顺序模型，那么顺序模型不适合分支）

就是这样，非常感谢！我花了相当长的时间搜索，假设一定有一个简单的方法来解决这个问题，但我没有遇到任何问题。网络未编译和运行。。。将需要继续查看如何调整结果。再次：谢谢！太好了）---如果你认为这回答了你的问题，请注明答案如下：

import keras.backend as K
from keras.layers import Lambda

termngrams = Lambda(lambda x: K.expand_dims(x))(termngrams) #outputs (?,42,1)

merged = Concatenate()([termwords,termngrams])