了解 Conv1D 的 keras input_shape，密集层（一维输入）答案

【问题标题】：Understanding the keras input_shape for Conv1D, Dense layers (1-dimensional input)了解 Conv1D 的 keras input_shape，密集层（一维输入）
【发布时间】：2020-12-03 08:43:27
【问题描述】：

伙计们！

我尝试在keras 中实现我自己的第一个 dl-net，这将是一个 自动编码器（希望去噪和堆叠）。但我对输入层的输入形状格式感到困惑，它可以是Conv1D 或DenseLayer（目前它是Dense 层，因为我希望这能解决问题） - 我也试过pytorch 但是这也没有解决我的问题。

根本问题是我觉得我没有得到输入形状参数及其结构。对于图像，您可以在互联网上找到很好且合乎逻辑的解释。但由于我使用一维数据，这些技术不能在这里应用——Dense/Conv1D API 也不能正确回答我的问题。

我有 7000 个样本，其中每个样本由 500 个整数组成的一维数组 表示，这不是额外的特征维度或属性 - 只是 一个通道 如果我理解正确的话。因此input_shape=(,500) 应该可以正常工作，因为我不必说明批量大小。但它不起作用，我只是收到我传入的数据和形状不匹配的消息。

也许有人可以解决这个问题？也许我的输入数据形状不正确 - numpy 输入应该是什么样子？还是我的层配置错误？

提前感谢您！我真的很想解决这个问题，并且已经尝试了几种重塑或输入形状定义 - 不幸的是，没有任何效果。

【问题讨论】：

标签： python tensorflow keras reshape autoencoder

【解决方案1】：

您只是忘记了“渠道”维度。和图像一样，序列也可以有通道。

例如你可以运行以下代码：

import tensorflow as tf

layer = tf.keras.layers.Conv1D(input_shape=(500,), kernel_size=3, filters=2)
sample = tf.ones((1, 500, 1), dtype=tf.float32)  # (bs, input_shape, channels)

out = layer(sample)  #  out.shape will be (1, 498, 2)

【讨论】：