重塑Conv2D的嵌入层输出？答案

【问题标题】：Reshaping Embedding layer output for Conv2D?重塑Conv2D的嵌入层输出？
【发布时间】：2020-08-03 07:59:17
【问题描述】：

嵌入层的输出形状为

embedding_4 (Embedding)         (None, 10, 50)

其中 10 是单词的数量，50 是向量的维度。如何重塑张量以将其输入到一个

Conv2D(50,(2,50),padding='same',activation='relu')

层。使用 Keras 编写代码。

【问题讨论】：

【解决方案1】：

因此，正如评论所暗示的，如果您使用Conv1D 会更好，因为Conv1D 所需的输入等级为3。此外，对于Conv2d，您需要输入等级为4。

您可以执行以下操作来真正重塑您的输入。

example = np.zeros((32,10,50))

reshape = np.expand_dims(example , axis=1)

输出将是：

(32, 1, 10, 50)

您还可以使用 Keras 的重塑层 API，如下所示。

import tensorflow as tf

model = tf.keras.Sequential()
model.add(tf.keras.layers.Reshape((1, 10, 50), input_shape=(10, 50)))

model.output_shape

输出形状如下：

(None, 1, 10, 50)

正如注释None 将成为您的batch_size 和1 成为您的频道。

但也像评论建议的那样，你应该问问自己Conv2D 会带来什么好处，Conv1D 不会。

【讨论】：