Build CNN Network 之后，運行，但是報錯：
ValueError: Input 0 is incompatible with layer predict_vector_conv1: expected ndim=3, found ndim=2
原因：
對於lexicographic，先element wise 點積（user*item），這樣維度只能是2維的。而Convolutional操作和maxpooling 操作都需要3D，缺少的那一維好像沒辦法給出來。
<0723好傻好傻，點乘怎么會降維呢！！原來是我在merge點乘前面做了 Flatten操作，被自己蠢哭了5555>
那么，如何再增加一個維度呢？？
即在CNN中，如果是對矩陣做操作的話（不是圖像）。maxpooling需要3dim，而我的矩陣只有2dim，這種情況可操作嗎？或者說有什么辦法可以額外增加一個維度嗎
法一：
【TensorFlow用expand_dim()來增加維度：https://blog.csdn.net/jasonzzj/article/details/60811035 】
one_img = tf.expand_dims(one_img, -1) #-1表示最后一維 ——好像可以解決問題。
底下的評論：
這里是維度上的1，理解成增加維度就夠了，至於數值，其實本質是不影響的。着重理解：維度的增加。例如一個二維數據shape=（1，2），我們理解的是一行兩列的數據，它所代表的是一個二維矩陣，如果shape=（3，2），其所代表的意義一樣是一個二維矩陣，只是矩陣中的數據量變成了三行兩列。而當我們使用這里的exped_dims(t,1)之后，那么原來的二維矩陣就變成了三維了，也就是shape=（1，1，2），第二個位置的1，可以將其理解為占位符，至於里面的數據量大小（是1或者2、3）其實並無太大意義，主要意義就是原來的數據，增加了一個維度。
——
但是會出現這個問題：
法二：
YS：可以用 reshape 。比如數據集是N張4096的圖片，就可以把它 reshape 成 N*64*64*1的維度，就是后面再多個維度長度為1的一個維度。
法三：
Dr.PH： 2dim也是屬於3dim一種，你把2dim轉化成3dim。
XD：擴展一個維度為1就可以，對原來的數據量沒有影響的，只是擴展一個維度，沒有增加數據量呀。理論上擴展維度肯定是可以的，有報錯的話應該是實現的問題。