我对tflearn以及CNN的使用有疑问。我对n数据变量（float）和m类有分类问题。我尝试通过使用来实现这一点
https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py仅使用我的数据集。但是他们使用了嵌入，这对我来说不起作用（因为它们是浮点数，我对输入值有很多可能的值）。如果我只删除行network = tflearn.embedding(network, input_dim=10000, output_dim=128)，我没有3-d张量作为以下conv_1d图层的输入。谁能帮助我？那么如何才能将我的数据设置为正确的形状以应用一些卷积？
谢谢！
答案 0 :(得分：0)
在最后添加一个额外的维度，它需要一个通道维度，就像这样（改变了第二个，我复制了第一个和第三个以便于理解）：
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")