Python 3.x 具有keras的一维卷积网络，输入大小误差

我正试图为我的数据集建立一个卷积神经网络。我的培训数据集有1209个示例，每个示例包含800个功能

下面是代码的一部分：

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)

编译此代码时，出现以下错误：

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，下面是我要做的：

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.

我的训练数据现在有这样一个形状（1129800），是否应该是其他形状

---

非常感谢您阅读此文章。

您应该在轴2上展开尺寸，而不是在轴0处展开X上的尺寸。因此，您需要的不是

X=np.expand_dims（X，axis=0）

，而是

X=np.expand_dims（X，axis=2）

---

之后，

X

的形状应该是（1209800，1），然后您应该在第一层中指定

input\u shape=（800，1）

。

感谢您回答@blackHoleDetector。指定此输入形状时，出现以下错误：ValueError:输入0与层conv1d_27不兼容：预期ndim=3，发现ndim=2@VincentBrisse谢谢你的更新。我刚刚更新了我的答案。试试看。我相信这会让你工作。很高兴听到@VincentBrisse！我在YouTube上有几个Keras视频，你可能会发现它们很有用（几乎每天都会添加更多）。卷积神经网络和微调是下一个主题，如果您感兴趣，将发布。你的

Y.shape

是什么？@MarcinMożejko它是（1209,1），因为在我的数据集中有1209个示例，每个示例只有一个输出。我试着用Y=np来改变它。expand_-dims（Y，axis=0）Y2=np。expand_-dims（Y2，axis=0）但毫无帮助