从1D数据构建2D-CNN时输入形状错误：Keras

我有一个大小为100×50（10050d特征）的数据矩阵，来自5个类。通过将数据矩阵重塑为

X=X.reshape(X.shape[0],1,X.shape[1],1)

因此，我的输入形状将是

inpshape= (1,1, X.shape[1])

接下来，我将CNN定义为

# build model
model.add(Conv2D(32, (3, 3), padding='same',input_shape=inpshape ))
model.add(Activation('relu'))
.
.
.

然而，我得到了错误

Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=2

我将一维数据视为二维数据是否错误？ 如果是，我如何用数据实现1D conv网络

---

----------------------更新------------------------------------- 下面是我用一个conv层编写的代码：

from keras.layers import Conv2D, GlobalMaxPooling2D
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.optimizers import Adam

num_labels = y.shape[1]
X=X.reshape(X.shape[0],1,X.shape[1],1) 
inpshape= (1,1, X.shape[1])
print(X.shape)

# build model
model.add(Conv2D(32, (1, 3), padding='same',input_shape=inpshape ))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(300))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_labels))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy', metrics=['accuracy'],optimizer='Adam')

---

错误：输入0与层conv2d_1不兼容：预期ndim=4，发现ndim=2

在添加层之前，请确保已初始化模型

model=Sequential（）

---

看起来您正在向已训练的模型添加层。

为什么要使用二维卷积？如果维度已为1，则使用（3,3）过滤器大小不会提供与（1,3）相比的任何额外信息。@McLawrence（3,3）只是一个数字。我想了解错误。即使（1,3）也不起作用。我甚至在数据上尝试了Conv1D层，但还是出现了一个或另一个输入错误。我正在尝试2D，因为我读到ID conv被编程为更好地处理时序数据，就像时间序列预测一样。我无法使用给定的输入形状和命名的层来重现错误。你能发布你的整个模型配置吗。您使用的是哪个版本的

keras

？形状中的

与第一行中使用的形状不匹配。您交换了
1
和
X.shape[1]
。但是，这给了我另一个版本
2.0.8
的错误。您能提供完整的代码吗？可能错误在另一个地方。@McLawrence我使用的是python 3.6、keras 2.0.6和tensorflow后端