我有一个关于tflearn以及如何使用CNN的问题。我有一个分类问题，涉及n个数据变量（浮点数）和m个类别。我尝试通过使用https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py来实现这一点，只使用了我的数据集。但是他们使用了嵌入，这对我不起作用（因为我的输入值是浮点数，可能的值是不可数的）。如果我删除了network = tflearn.embedding(network, input_dim=10000, output_dim=128)这一行，后续的conv_1d层就无法获得一个3维张量作为输入。谁能帮帮我？我该如何调整我的数据，使其适合进行卷积操作？

谢谢！！

回答：

在末尾添加一个额外的维度，它需要一个通道维度，像这样（我更改了第二行，第一行和第三行我复制了，以便更容易理解）：

network = input_data(shape=[None, 100], name='input')network = tf.expand_dims(network, 2)branch1 = conv_1d(network, 128, 3, padding='valid', activation='relu', regularizer="L2")