Keras功能api：输入与conv1d层不兼容答案

【问题标题】：Keras functional api: Input is incompatible with the layer with conv1dKeras功能api：输入与conv1d层不兼容
【发布时间】：2020-03-12 14:11:54
【问题描述】：

我有一个大型工作模型，我想将最后一个密集层更改为卷积层（带有池化和输出）。但是使用 cnn 时出现以下错误：

ValueError: 层 conv1d_21 的输入 0 与层不兼容：预期 ndim=3，发现 ndim=2。收到的完整形状：[无，768]

这是在尝试使用 cnn 之前最后一层的样子：

dense = model.get_layer('NSP-Dense').output
outputs = keras.layers.Dense(len(100), activation='sigmoid')(dense)

这是使用 CNN 时的样子以及发生错误的位置（在第二行）：

dense = model.get_layer('NSP-Dense').output
conv = keras.layers.Conv1D(filters=32, kernel_size=8, activation='relu')(dense)
pooling = keras.layers.MaxPooling1D(pool_size=2)(conv)
flatten = keras.layers.Flatten()(pooling)
mid_dense = keras.layers.Dense(400, activation='relu' )(flatten)
outputs = keras.layers.Dense(len(test_y[0]), activation='sigmoid')(mid_dense)

我读过this 和this 之类的问题，但我的问题似乎是另一个问题，因为CNN 不是第一层而是位于网络的中间。

NSP-Dense 层的输出形状为 (None, 768)。我尝试将转换层中的形状设置为input_shape =(None, 768)或input_shape =(None, 768, 1)，但这并没有解决问题。有人有想法吗？

【问题讨论】：

标签： python keras conv-neural-network

【解决方案1】：

我根据您的代码整理了这个示例，这似乎避免了错误。这可能会让你指向正确的方向。请注意 Reshape 层，它本质上添加了一个大小为 1 的虚拟三维，以解决来自 Conv1D 层的问题。我希望这会有所帮助。

import tensorflow as tf

myInput = tf.keras.layers.Input(shape=(2,))
myOutput = tf.keras.layers.Dense(768,name='NSP-Dense')(myInput)
model = tf.keras.models.Model(myInput,myOutput)
model.summary()

newDense = model.get_layer('NSP-Dense').output
newReshape = tf.keras.layers.Reshape((768,1), name='newReshape')(newDense)
conv =  tf.keras.layers.Conv1D(filters=32, kernel_size=8, activation='relu', name='newModelConv1D' )(newReshape)
newModel = tf.keras.models.Model(myInput, conv)
newModel.summary()

import numpy as np
x_train = np.random.random((5,2))  # 5 samples
print('prediction:')
newModel.predict(x_train)

【讨论】：