ValueError：层密集的输入0与层不兼容：输入形状的预期轴-1的值为896，接收到输入形状[None，128]

Question

我正在使用CNN体系结构（请参见下面的代码）来进行文本分类任务（具有5个类）。 我正在使用的数据是从here

下载的 reviews_Home_and_Kitchen_5.json

我使用Glove模型（'glove.840B.300d.txt'）的嵌入为1000个句子创建了一个句子嵌入矩阵

模型会编译，您可以在下面看到摘要。但是，每当我尝试拟合模型时，都会不断出现以下错误： 值错误：层密集的输入0与层不兼容：预期输入形状的轴-1的值为896，但接收到形状为[None，128]的输入

我在网上发现的解决方案涉及使用不同版本的TF或使用不同的损失函数。我都尝试了两次，但无法解决问题。

有人可以帮忙吗？

sequence_input = Input(shape=(len(glove_sentence_embedding_matrix),), dtype='int32')
embedded_sequences = Embedding(input_dim=glove_results.shape[0], output_dim=300, weights=[glove_results], trainable=False, name='embedding')(sequence_input)
l_cov1= Conv1D(128, 5, activation='relu', name='conv1D_1')(embedded_sequences)  #  padding='same'
l_pool1 = MaxPooling1D(5, name='MaxPool_1')(l_cov1)
l_cov2 = Conv1D(128, 5, activation='relu', name='conv1D_2')(l_pool1)
l_pool2 = MaxPooling1D(5, name='MaxPool_2')(l_cov2)
l_cov3 = Conv1D(128, 5, activation='relu', name='conv1D_3')(l_pool2)
l_pool3 = MaxPooling1D(5, name='MaxPool_3')(l_cov3)  
l_flat = Flatten(name='flatten')(l_pool3)
l_dense = Dense(128, activation='relu',  name='dense')(l_flat)
preds = Dense(5, activation='softmax', name='preds')(l_dense)
model = Model(sequence_input, preds, name='CNN_for_text_classification')

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

print(model.summary())
model.fit(glove_sentence_embedding_matrix, df.overall, epochs=2, verbose=1)  ## glove_sentence_embedding_matrix.shape = (1000,300)

Answer 1

在l_dense中将单位数更改为896。或在其之前添加包含896个单位的密集层。