我有一个CNN模型，可以在word2vec矩阵作为输入的情况下很好地运行。现在，我正在尝试使用tf-idf功能作为CNN模型的输入。我的模型有2个卷积层。
||我收到以下错误。请提供任何提示来解决我的问题。
我也尝试将输入层更改为vectorizer = TfidfVectorizer(max_features=10000, use_idf=True)
vectorizer = vectorizer.fit(train_sentences)
tf_len = len(vectorizer.vocabulary_)
TF_X_train = vectorizer.transform(train_sentences).astype('float64')
TF_X_test = vectorizer.transform(test_sentences).astype('float64')
TF_X_val = vectorizer.transform(val_sentences).astype('float64')
input = Input(shape=(tf_len,1))
drop20 = SpatialDropout1D(0.3)(input)
conv2 = Conv1D(filters=128, kernel_size=5, activation='relu')(drop20)
drop21 = Dropout(0.5)(conv2)
conv22 = Conv1D(filters=64, kernel_size=5, activation='relu')(drop21)
drop22 = Dropout(0.5)(conv22)
pool2 = MaxPooling1D(pool_size=2)(drop22)
flat2 = Flatten()(pool2)
out = Dense(8, activation='sigmoid')(flat2)
model = Model(input, out)
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()
，但遇到相同的错误。
ValueError：检查输入时出错：期望input_1具有3个维度，但数组的形状为（1000，5008）
答案 0 :(得分：0)
在“答案”部分中指定答案，即使“评论”部分中已经存在答案。
添加下面的代码行，
TF_X_train.reshape(TF_X_train.shape[0], TF_X_train.shape[1],1)
并将输入层更改为
Input(batch_shape=(None, tf_len, 1))
已修复该错误。