检查输入时出错：预期acc_input有4个维度，但得到的数组有形状（200,3,1）

Question

我已多次尝试并阅读与我类似的问题的答案，但仍未解决。

检查输入时出错：预期acc_input有4个维度，但得到的数组有形状（200,3,1）

model.fit(x=[acc_,gyro_],y=[scaled_labels],batch_size=1,validation_split=0.2, epochs=2,verbose=1,shuffle=False)

我的网络的第一层是输入层

acc_input_tensor = Input(shape=(200,3,1),name = 'acc_input')
gyro_input_tensor = Input(shape=(200,3,1),name= 'gyro_input')

输入是加速度和陀螺仪数据。 200指的是200组数据，3指的是x，y，z的测量值的加速度。我将加速度数据和陀螺仪数据重塑为（200 * 3 * 1）

acc_ = np.reshape(acc,(200,3,1))
gyro_ = np.reshape(gyro,(200,3,1))

输入是三维数据，给定的数据输入是三维的，为什么有四维要求？如何修改？

This is the model I created

Answer 1

不确定您使用的网络类型，但input_shape不包含数据长度。它应该就是这个

acc_input_tensor = Input(shape=(3,1),name = 'acc_input')
gyro_input_tensor = Input(shape=(3,1),name= 'gyro_input')