Question

我的网络的第一层是Conv1D，如下所示：

Conv1D(128, 9, activation='relu', input_shape=(100, 28))

我的输入数据由输入形状为（100，28）的元素组成。即我的数据集由n个元素组成，每个元素都有一个标签。标签是长度为15的单发数组。

我的数据集上.element_spec的输出给出：

(TensorSpec(shape=(100, 28), dtype=tf.float32, name=None),
 TensorSpec(shape=(15,), dtype=tf.int32, name=None))

这看起来很一致，但是在模型上运行.fit（）会出现此错误：

Error when checking input: expected conv1d_18_input to have 3 dimensions, but got array with shape (100, 28)

我在这里做错了什么？顺便说一句，这是TensorFlow 2.0。

编辑：如果我逐步执行tf代码，似乎正在期望（无，100、28），但这对我来说似乎是错误的。呈现给该层的每个元素为（100，28）。 “无”肯定表示它被多次调用。另外，您不能指定（None，100，28）作为图层的input_shape，否则会抱怨它只需要二维，而不是三维！

非常感谢，

朱利安

Answer 1

我在这里的误解是与数据集有关。我的数据集本身具有（100,28）的各个元素。我需要做的是将.batch（32）应用于数据集。这产生了（None，100,28），这是必需的。该批处理数据集上.element_spec的输出为：

<class 'tuple'>: (TensorSpec(shape=(None, 100, 3), dtype=tf.float32, name=None), TensorSpec(shape=(None, 5), dtype=tf.int32, name=None))

这是一维Convnet输入所需的内容。