我的输入形状应该是100x100 . 它代表一句话 . 每个单词都是100维的向量，句子中最多有100个单词 .
我向CNN提供八个句子 . 我不确定这是否意味着我的输入形状应该是100x100x8 .
然后是以下几行
Convolution2D(10, 3, 3, border_mode='same',
input_shape=(100, 100))
抱怨：
输入0与图层卷积2d_1不兼容：预期ndim = 4，发现ndim = 3
这对我来说没有意义，因为我的输入维度是2.我可以通过将input_shape更改为（100,100,8）来完成它 . 但是“预期的ndim = 4”位对我来说没有意义 .
我也看不出为什么带有10个滤波器的3x3卷积层不接受100x100的输入 .
即使我通过抱怨“预期的ndim = 4” . 我的激活层遇到了问题 . 有抱怨：
无法将softmax应用于非2D或3D的张量 . 这里，ndim = 4
任何人都可以解释这里发生了什么以及如何解决它？非常感谢 .
2 回答
我有同样的问题，我解决了它为
channel添加一个维度input_shape参数 .我建议以下解决方案：
2D卷积层的缺失维度是“通道”维度 .
对于图像数据，灰度图像的通道尺寸为1，彩色图像的通道尺寸为3 .
在您的情况下，为了确保Keras不会抱怨，您可以使用1个通道的2D卷积，或100个通道的1D卷积 .
参考：http://keras.io/layers/convolutional/#convolution2d