【问题标题】：ValueError: Input 0 of layer sequential_32 is incompatible with the layer: : expected min_ndim=3, found ndim=2. Full shape received: [None, 256]ValueError：layersequential_32 的输入 0 与 layer 不兼容：：预期 min_ndim=3，发现 ndim=2。收到的完整形状：[无，256]
【发布时间】：2021-03-16 18:33:05
【问题描述】：

我正在使用训练数据 (28659, 257) 和测试数据 (5053, 257) 构建 Conv1D 模型，但我遇到了一个值错误，提示：预期 min_ndim=3，发现 ndim=2。收到的完整形状：[无，256]

数据集大小

print(train_data.shape)
print(test_data.shape)

型号

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=5, activation='relu', input_shape=(256,1)))
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(8, activation='relu'))
model.add(Dense(2, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='Adam', metrics=['accuracy'])
model.summary()

opt = keras.optimizers.Adam(learning_rate=0.01)
model.compile(loss='CategoricalCrossentropy', optimizer=opt, metrics=['accuracy'])

history = model.fit(train_data.values[:, 0:256], to_categorical(train_data.values[:, 256]), epochs=180, batch_size=500)
y_pred = model.predict(test_data.values[:, 0:256])

测试准确度

y_pred = model.predict(test_data.values[:,0:256])
y_pred = (y_pred > 0.5)
accuracy = metrics.accuracy_score(to_categorical(test_data.values[:,256]),y_pred)
print(f'Testing accuracy of the model is {accuracy*100:.4f}%')

错误来自 fit()，但我无法计算出我的错误！任何帮助表示赞赏！

【问题讨论】：

标签： python tensorflow keras deep-learning conv-neural-network

【解决方案1】：

尝试重塑您的训练和测试数据：

X_train=np.reshape(train_data,(train_data.shape[0], train_data.shape[1],1))
X_test=np.reshape(test_data,(test_data.shape[0], test_data.shape[1],1))

您不能输入像 [1,2,3,4] 这样的值，您必须输入像 [[1],[2],[3],[4]] 这样的值

【讨论】：

当我这样做时，我得到了这个错误 ValueError: Must pass 2-d input。形状=(28659, 257, 1)
你将 257 输入到 256 输入（第一个卷积层）
我不明白，但我仍然尝试这样做，面临同样的错误。