我正在尝试使用标准普尔 500 数据集训练 CNN 和 LSTM 网络。这是我的火车数据集的形状：
xtrain 形状：(6445, 16) ytrain 形状：(6445,)
这是我给 CNN 的输入形状：
model.add(TimeDistributed(Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16)))
使用代码中显示的输入形状参数我收到此错误：
ValueError：conv1d_8 层的输入 0 与该层不兼容：：预期 min_ndim=3，发现 ndim=2。收到的完整形状：[无，16]
【问题讨论】：
标签： python keras conv-neural-network
expected min_ndim=3, found ndim=2.
在使用 Conv1D 时，Keras 需要 3 维数组：预期的形状是 [batch_size, sequence_length, feature_dimension]。在您的情况下，您只有一个特征维度，我怀疑价格，但假设您还想传递交易量数据，您将拥有xtrain.shape == (6445,16,2)。最后一个维度将包含有关价格和数量的信息。
要解决您的问题，您需要将xtrain 重塑为
(batch_size, sequence_length, feature_dimension=(6445,16,1)
为此，您可以使用 tensorflow：
xtrain = tf.expand_dims(xtrain, axis=-1) # -1 means expand the LAST axis
或使用 numpy：
xtrain = np.expand_dims(xtrain, axis=-1) # -1 means expand the LAST axis
这个函数就像名字所暗示的那样：它在axis指定的位置添加一个新轴。这导致xtrain 具有我们想要的形状，现在您可以继续使用您的模型，例如：
model = keras.models.Sequential()
model.add(keras.layers.TimeDistributed(keras.layers.Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16,1)))
【讨论】：