问当NLP任务需要三维输入(张量)时，在R(Rstudio)中使用keras一维卷积层设置输入形状

EN

我正在使用R编程语言和使用Keras来构建一个功能性的一维CNN。

我有以下形状行*功能(6000*1024)的数据集矩阵。

输入层使用以下代码设置：

input_layer = layer_input(shape = 1024, batch_shape = c(nrow(train_matrix),1024), dtype = 'float64') 

然后我构建了一个一维控制层，如下所示：

conv1 = input_layer %>% layer_conv_1d(filters = 32, kernel_size = 50, strides = 10, input_shape = 1024, batch_input_shape = list(NULL, 1024) ,dtype = 'float64', activation = 'relu' )

但我得到了以下错误：

Py_call_impl(可调用的点args, dots关键字)中的错误: ValueError: Input 0与layer conv1d: expected ndim=3，found ndim=2不兼容

我相信这是因为1DCNN层期望输入的形式如下

输入形状:具有形状的三维张量：(batch_size，steps，input_dim)

我知道我必须将我的数据重新定义为(NULL, nrow(train_matrix), 1；因为在Python中使用同样的问题时，不同的答案都提到了这一点。

如果我是对的，

1. 我应该为输入层提供哪些值？
2. 我应该如何重塑我的培训数据？
3. 这是否意味着我也必须重塑测试数据？

另外，如果我的理解是错误的，否则应该怎么做？