Python keras中的输入形状错误

我正在使用Keras构建CNN，我有以下代码片段：

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)

运行此操作后，我遇到以下错误：

ValueError:输入0与层conv1d_1不兼容：预期ndim=3，发现ndim=2

数据集的形状为：

请帮我解决这个问题

---

谢谢

Conv层希望您的输入是图像类型。因此，需要指定/重塑以包含通道尺寸。 在您的情况下，您的频道数为1

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

然后，您还需要相应地重塑输入。 其形状应为batchsize、num_特征和通道

假设X是一个numpy数组

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

---

您发布的代码有两个主要问题：

输入形状不一致： 错误表示您的模型期望输入dim=3，但您传递它dim=2。 这是事实，因为cov1d层希望获得3d张量样本、步骤和特征。训练数据的形状为30730,50，因此样本为30730，步骤为50，特征为1。示例是隐式传递的，它是在运行时确定的，因此，请修复这些行：

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

致：

此外，您应该通过添加维度来相应地重新塑造培训数据：

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

输出形状不一致：您的模型使用损失=分类熵进行训练。这种丢失的训练意味着您应该对训练数据进行热编码。因此，如果您有x个类，则需要将trainY中的每个样本转换为长度=x的数组。但是，在您的情况下，模型输出单个输出： model.addDense1，activation='softmax'，因此对于'loss=mse'的分类问题，您应该使用loss=binary\u交叉熵，例如，对于回归问题

---

我得到一个新错误>ValueError:检查目标时出错：预期密集_5有2维，但得到了形状为30730、1、1的数组。有人能帮我解决这个问题吗？请不要在堆栈溢出中发布代码截图-只发布错误本身。

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