Numpy 多特征CNN分类模型的Keras输入形状失配误差

这是我的密码：

model = Sequential()
model.add(Conv1D(32, kernel_size=3,
                 activation='relu',
                 input_shape=(14,1)))
model.add(MaxPooling1D(pool_size=1))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='softmax'))
model.summary()
model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(X_train.values, y_train.values,
          batch_size=4,
          epochs=1,
          verbose=2,
          validation_data=(X_test.values,y_test.values))

错误是：

检查输入时出错：预期conv1d_35_输入为3维，但得到了具有形状的数组（13166,14）

正如其他帖子所建议的，我在输出层之前调整了展平层，但这不起作用

我的

X\u train.values.shape

给出

（13166,14）

---

有什么建议我应该如何解决这个问题吗？

您需要将

X\u列的值从
（13166，14）
重新设置为
（13166，14，1）
，因为CNN网络的输入形状是
（无，14，1）


这可能会解决您的问题：

X_train.values.reshape([-1,14,1])