喀拉拉邦输入形状错误

Question

我正在使用Keras构建CNN，并且具有以下代码段：

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,)))
model.add(Conv1D(filters=64, kernel_size=3, activation='relu'))
model.add(Dropout(0.5))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
#model.add(Dense(20, activation='relu'))
model.add(Dense(1, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(trainX, trainY, epochs=10, batch_size=32, verbose=0)

运行此命令后，出现以下错误：

ValueError：输入0与层conv1d_1不兼容：预期ndim = 3，找到ndim = 2

数据集的形状为：

请帮助我解决这种情况！

谢谢

Answer 1

转换图层希望您输入的是图像类型。因此，您需要指定/重塑形状以包括通道尺寸。 您的频道数量是1。

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,1, )))

然后，您还需要相应地调整输入的形状。 它的形状应为（批处理大小，num_features，通道）

所以假设您的X是一个numpy数组

trainX = X[:30730].reshape(-1, 50, 1)

Answer 2

您发布的代码有两个主要问题：

1. 输入形状不一致： 该错误表明您的模型期望输入dim=3，但是您将其传递给dim=2。 的确如此，因为cov1d层期望获得 3d 张量（＃samples，＃steps，＃features）。您的训练数据具有shape=(30730,50)，因此#samples=30730，#steps=50和#features=1也是如此。 #samples隐式传递（在运行时确定），因此，请修复以下几行：

   model = Sequential()
   model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,)))
   

   收件人：

   model = Sequential()
   model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,1)))
   

   此外，您应该通过添加尺寸来相应地调整训练数据的形状：

   trainX = X[:30730].reshape(-1, 50, 1)
   

2. 不一致的输出形状：您的模型是使用loss=categorical_crossentropy进行训练的。进行这种损失的训练意味着您应该对训练数据进行一次热编码。因此，如果您有x个类，则trainY中的每个样本都需要使用length=x转换为数组。但是，在您的情况下，模型输出单个输出： model.add(Dense(1, activation='softmax'))，因此您应将loss=binary_crossentropy用于“ loss = mse”的分类问题，例如，用于回归问题。