我试图构建以下模型:

model = Sequential()model.add(Embedding(input_dim = num_top_words, output_dim = 64, input_length = input_length))model.add(LSTM(100, activation = 'relu'))model.add(Conv1D(64, kernel_size = 5, activation = 'relu'))model.add(MaxPooling1D())model.add(Dense(5, activation = 'softmax'))model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])

但运行时我得到了以下错误:

Input 0 is incompatible with layer conv1d_48: expected ndim=3, found ndim=2

这指出了以下这行代码有错误:

model.add(Conv1D(64, kernel_size = 5, activation = 'relu'))

问题可能出在哪里?

回答：

问题在于当前LSTM层的输出形状为(None, 100)，然而，正如错误所提示的，Conv1D层与LSTM层一样，期望一个形状为(None, n_steps, n_features)的三维输入。因此，一种解决方法是向LSTM层传递return_sequences=True参数，以便获得每个时间步的输出，从而使其输出变为三维:

model.add(LSTM(100, activation = 'relu', return_sequences=True))

另一种方法是将Conv1D和MaxPooling1D层放在LSTM层之前（这甚至可能比当前架构更好，因为使用Conv1D加上池化层的一个用途是降低LSTM层输入的维度，从而减少计算复杂度）:

model.add(Conv1D(64, kernel_size = 5, activation = 'relu'))model.add(MaxPooling1D())model.add(LSTM(100, activation = 'relu'))