Build CNN Network 之后，运行，但是报错：
ValueError: Input 0 is incompatible with layer predict_vector_conv1: expected ndim=3, found ndim=2
原因：
对于lexicographic，先element wise 点积（user*item），这样维度只能是2维的。而Convolutional操作和maxpooling 操作都需要3D，缺少的那一维好像没办法给出来。
<0723好傻好傻，点乘怎么会降维呢！！原来是我在merge点乘前面做了 Flatten操作，被自己蠢哭了5555>
那么，如何再增加一个维度呢？？
即在CNN中，如果是对矩阵做操作的话（不是图像）。maxpooling需要3dim，而我的矩阵只有2dim，这种情况可操作吗？或者说有什么办法可以额外增加一个维度吗
法一：
【TensorFlow用expand_dim()来增加维度：https://blog.csdn.net/jasonzzj/article/details/60811035 】
one_img = tf.expand_dims(one_img, -1) #-1表示最后一维 ——好像可以解决问题。
底下的评论：
这里是维度上的1，理解成增加维度就够了，至于数值，其实本质是不影响的。着重理解：维度的增加。例如一个二维数据shape=（1，2），我们理解的是一行两列的数据，它所代表的是一个二维矩阵，如果shape=（3，2），其所代表的意义一样是一个二维矩阵，只是矩阵中的数据量变成了三行两列。而当我们使用这里的exped_dims(t,1)之后，那么原来的二维矩阵就变成了三维了，也就是shape=（1，1，2），第二个位置的1，可以将其理解为占位符，至于里面的数据量大小（是1或者2、3）其实并无太大意义，主要意义就是原来的数据，增加了一个维度。
——
但是会出现这个问题：
法二：
YS：可以用 reshape 。比如数据集是N张4096的图片，就可以把它 reshape 成 N*64*64*1的维度，就是后面再多个维度长度为1的一个维度。
法三：
Dr.PH： 2dim也是属于3dim一种，你把2dim转化成3dim。
XD：扩展一个维度为1就可以，对原来的数据量没有影响的，只是扩展一个维度，没有增加数据量呀。理论上扩展维度肯定是可以的，有报错的话应该是实现的问题。