具有 keras 的一维卷积网络，输入大小错误

Question

我正在尝试为我的数据集构建卷积神经网络。我的训练数据集有 1209 个样本，每个样本有 800 个特征。

下面是部分代码的样子：

model = Sequential()
model.add(Conv1D(64, 3, activation='linear', input_shape=(1209, 800)))
model.add(GlobalMaxPooling1D())
model.add(Dense(1, activation='linear'))
model.compile(loss=loss_type, optimizer=optimizer_type, metrics=[metrics_type])
model.fit(X, Y, validation_data=(X2,Y2),epochs = nb_epochs, 
batch_size = batch_size,shuffle=True)

当我编译这段代码时，我得到以下错误：

Error when checking input: expected conv1d_25_input to have 3 dimensions, 
but got array with shape (1209, 800)

所以我添加了一个维度，这就是我要做的：

X = np.expand_dims(X, axis=0)
X2 = np.expand_dims(X2, axis=0)

然后我得到这个错误：

ValueError: Input arrays should have the same number of samples as target arrays. 
Found 1 input samples and 1209 target samples.

我的训练数据现在是这样的形状（1、1209、800），应该是别的吗？

非常感谢您阅读本文。

Answer 1

您应该在轴 2 上扩展 X 上的维度，而不是在轴 0 上扩展。因此，您需要 X = np.expand_dims(X, axis=2)，而不是 X = np.expand_dims(X, axis=0)。

之后，X 的形状应为 (1209, 800, 1)，然后您应在第一层中指定 input_shape=(800, 1)。