keras中的输入形状错误答案

【问题标题】：Error with Input shape in keraskeras中的输入形状错误
【发布时间】：2023-03-28 12:50:02
【问题描述】：

我正在使用 Keras 构建一个 CNN，我有以下代码 sn-p：

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,)))
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(20, activation='relu'))
model.add(Dense(1, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(trainX, trainY, epochs=10, batch_size=32, verbose=0)

运行后，我收到以下错误：

ValueError: Input 0 is in compatible with layer conv1d_1: expected ndim=3, found ndim=2

数据集的形状是：

请帮我解决一下情况！

谢谢

【问题讨论】：

请不要在 Stack Overflow 中发布代码截图 - 只需发布错误本身。

标签： python machine-learning conv-neural-network

【解决方案1】：

Conv 层期望您的输入是图像类型。因此，您需要指定/重塑以包括通道尺寸。在您的情况下，您的频道数是 1。

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,1, )))

然后你需要相应地重塑你的输入。它应该是形状（batchsize、num_features、channels）

所以假设你的 X 是一个 numpy 数组

trainX = X[:30730].reshape(-1, 50, 1)

【讨论】：

我收到一个新错误> ValueError: 检查目标时出错：预期dense_5 有2 维，但得到的数组形状为(30730, 1, 1)
有人可以帮我解决这个问题吗？

【解决方案2】：

您发布的代码有两个主要问题：

输入形状不一致：该错误表明您的模型需要输入dim=3，但您将其传递给dim=2。这是真的，因为cov1d 层期望得到一个 3d 张量（#samples、#steps、#features）。你的训练数据有shape=(30730,50) 所以#samples=30730,#steps=50 和#features=1。 #samples 是隐式传递的（它是在运行时确定的）所以，修复这些行：
```
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,)))
```
到：
```
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(50,1)))
```
此外，您应该通过添加一个维度来相应地重新塑造您的训练数据：
```
trainX = X[:30730].reshape(-1, 50, 1)
```
输出形状不一致：您的模型是使用 loss=categorical_crossentropy 训练的。使用这种损失进行训练意味着您应该对您的 trainY 数据进行一次热编码。因此，如果您有 x 个类，则 trainY 中的每个样本都需要转换为带有 length=x 的数组。但是，在您的情况下，模型输出单个输出： model.add(Dense(1, activation='softmax')) 所以你应该使用 loss=binary_crossentropy 来处理 `loss=mse' 的分类问题，例如回归问题。

【讨论】：