检查模型输入时出错：预期conv1d_1_input具有形状（None，441，216），但数组的形状为（1，441，216）

Question

我的输入只是一个具有441行和216列的矩阵：

216个特征值

441次试验

总类别标签6

我正在尝试在CNN模型上训练我的数据：

model = Sequential()

model.add(Conv1D(128, 5, input_shape=(441, 216)))
model.add(Activation('relu'))
model.add(Conv1D(128, 5,padding='same'))
model.add(Activation('relu'))
model.add(Dropout(0.1))
model.add(MaxPooling1D(pool_size=(8)))
model.add(Conv1D(128, 5,padding='same',))
model.add(Activation('relu'))
model.add(Conv1D(128, 5,padding='same',))
model.add(Activation('relu'))
model.add(Conv1D(128, 5,padding='same',))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Conv1D(128, 5,padding='same',))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(10))
model.add(Activation('softmax'))
opt = keras.optimizers.rmsprop(lr=0.00001, decay=1e-6)

model.compile(loss='categorical_crossentropy', 
           optimizer=opt,metrics=['accuracy'])

这将引发错误： ValueError：检查模型输入时出错：预期conv1d_1_input具有形状（无，441、216）但具有形状（1、441、216）的数组

如何将输入内容输入到CNN中？

Answer 1

您需要在第一个conv1d调用的末尾添加一个逗号：input_shape =（416，234，） 顺便说一句，在conv层之间使用“丢失”效率要低于BatchNormalisation以避免过度拟合。