Python 3.x 使用tensorflow.keras中的训练模型进行预测时的形状误差

我正在使用

tensorflow.keras

创建一个1D CNN，下面是来自的一些概念。到目前为止，建模和培训似乎在起作用，但我似乎无法做出预测。下面是我正在处理的一个例子：

资料 在本例中，我正在创建一个数据集，它表示我正在使用的数据集。我有1000个时间序列数据窗口，每个窗口有6条不同的轨迹（加速度计x，y，z和陀螺仪x，y，z）。这些窗口的长度为512个数据点

训练 创建一个简单的CNN，它通过以下输出完美训练：

Train on 1000 samples
Epoch 1/3
1000/1000 [==============================] - 1s 1ms/sample - loss: 0.8802 - accuracy: 0.4930
Epoch 2/3
1000/1000 [==============================] - 1s 724us/sample - loss: 0.6726 - accuracy: 0.5920
Epoch 3/3
1000/1000 [==============================] - 1s 740us/sample - loss: 0.6291 - accuracy: 0.6760

预测（出现错误的地方） 出于测试目的，我预测了一部分训练数据。运行

model.predict（trainX[0]）

会导致以下错误：

ValueError: Error when checking input: expected conv1d_4_input to have 3 dimensions, but got array with shape (512, 6)

---

这似乎很奇怪，因为我期望训练数据集的兼容性；毕竟，

trainX[0]

首先定义了

input\u形状

。

请运行代码：

model.predict（[trainX[0]]）

，模型输出预测结果

不起作用。运行

model.predict（[trainX[0]]）

在检查输入时导致了相同的错误

错误：预期conv1d\u输入为3维，但得到了形状为（510,6）的数组

我已经运行了您的代码，请运行代码：

model.predict（np.array（[trainX[0]]）

是的，我最终找到了。根据我的记忆，模型预测（[[trainX[0]]]）似乎也能起作用。你能编辑你的答案吗？

Train on 1000 samples
Epoch 1/3
1000/1000 [==============================] - 1s 1ms/sample - loss: 0.8802 - accuracy: 0.4930
Epoch 2/3
1000/1000 [==============================] - 1s 724us/sample - loss: 0.6726 - accuracy: 0.5920
Epoch 3/3
1000/1000 [==============================] - 1s 740us/sample - loss: 0.6291 - accuracy: 0.6760

ValueError: Error when checking input: expected conv1d_4_input to have 3 dimensions, but got array with shape (512, 6)