Tensorflow 如何扩大keras中嵌入层的输出

我拥有以下网络：

model = Sequential()
model.add(Embedding(400000, 100, weights=[emb], input_length=12, trainable=False))

model.add(Conv2D(256,(2,2),activation='relu'))

嵌入层的输出为形状（batchSize，12100）。conv2D层需要输入shape（batchSize，filter，12100），我得到以下错误：

 Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=3

那么，如何扩展嵌入层的输出，使其适合于Conv2D层呢

---

我正在使用Keras和Tensorflow作为后端。

添加重塑层应该是一个不错的选择

---

根据具体情况，Conv1D虽然工作很冷。

我设法用以下代码添加了另一个维度：

model = Sequential()
model.add(Embedding(400000, 100, weights=[emb], input_length=12, trainable=False))
model.add(Lambda(lambda x: expand_dims(x, 3)))
model.add(Conv2D(256,(2,2),activation='relu'))

---

将Conv2d替换为Conv1D。不需要展开维度。重塑将更改数据本身，但我需要添加另一个长度为1的维度！！看起来你解决了你的问题（我完全忘记了lambda层），但是有没有理由不使用Conv1D？我需要一个二维内核（窗口）来滑动数据，Conv1D只在一个维度上进行卷积。