Python Keras Conv1d输入形状

我有这些代码行，我正试图建立一个cnn，用于cwru数据集的轴承故障检测。对于第一个conv1d层的输入形状，我得到以下错误：

ValueError:检查输入时出错：预期conv1d\U 16\U输入为 有3个维度，但得到了形状为（10000，1）的数组

你能帮忙吗？输入_形状应该是什么

这是我的密码：

#第一部分——数据预处理-----
进口干酪
导入scipy.io
将numpy作为np导入
作为腌菜进口cPickle
T=100#每个样品的长度
长度=50#重叠
datalength=50#每个负载的样本
def读取数据（str、str2、T、长度、数据长度）：
mat=scipy.io.loadmat（str_uu2;）
数据=材料['X'+str2+'U DE_时间']
数据列表=列表（[]）
count=（data.shape[0]-T）//长度
对于范围内的i（计数）：
data_list.append（数据[i*length:i*length+T，：]）
数据=np.数组（数据列表）。重塑（-1，T））
打印数据集的str2+'->示例：{}。格式（data.shape[0]）
返回数据
打印“读取正常数据”
normal0=读取数据（'/home/ilias/Desktop/dataset/sygkekrimena/97.mat'，'097'，T，length，datalength）
打印“读取12K故障数据”
fault0=读取数据（'/home/ilias/Desktop/dataset/sygkekrimena/105.mat'，'105'，T，length，datalength）
normal\u trainmoy=np.concatenate（（normal0[：datalength，：]），axis=None）
normal_testmou=np.concatenate（（normal0[datalength:2*datalength，：]），axis=None）
正常序列=np。连接（（正常0[：数据长度，：]），轴=0）
normal_test=np.concatenate（（normal0[datalength:2*datalength，：]），axis=0）
fault_train=np.连接（（fault0[：datalength，：]），轴=0）
fault_test=np.concatenate（（fault0[datalength:2*datalength，：]），axis=0）
fault_trainmou=np.concatenate（（fault0[：datalength，：]），axis=None）
fault_testmou=np.concatenate（（fault0[datalength:2*datalength，：]）#默认情况下，axis=None和de-grafei-tipota
#创建培训数据
列X=np.连接（正常列、故障列），轴=0）
列车X=np.重塑（列车X，1，1）
列_X1=np。展开_dims（列_X，轴=1）#轴=2
串接（正常串、故障串），轴=无）
序列Y=np.连接（（np.一个（4*数据长度），2*np.一个（4*数据长度），3*np.一个（4*数据长度）\
4*np.ONE（4*datalength）、5*np.ONE（4*datalength）、6*np.ONE（4*datalength）\
7*np.ONE（4*datalength）、8*np.ONE（4*datalength）、9*np.ONE（4*datalength）\
10*np.ONE（4*datalength）、11*np.ONE（4*datalength）、12*np.ONE（4*datalength）\
13*np.ONE（4*datalength）、14*np.ONE（4*datalength）、15*np.ONE（4*datalength）\
16*np.ones（4*datalength）），轴=0）#
打印'\n\n训练数据的形状为{}，{}'。格式（train_X.shape，train_Y.shape）
#创建测试数据
测试X=np。连接（（正常测试、故障测试），轴=0）
测试Y=列车Y
打印'\n\n测试数据的图形为{}{}'。格式（test_X.shape，test_Y.shape）
打印“带培训数据的酸洗文件”
f=打开（'data_train.p'、'wb'）
酸洗倾倒（（X列、Y列）、f列）
f、 关闭（）
打印“带有测试数据的酸洗文件”
f=开放（'data_test.p'、'wb'）
pickle.dump（（测试X，测试Y），f）
f、 关闭（）
#第二部分——建设有线电视新闻网-----
#1.图书馆
从keras.models导入顺序
从keras.layers导入卷积1d
从keras.layers导入MaxPoolig1d
从keras.layers导入展平##展平xreiazomai？？？？？？？？
从keras.layers导入批处理规范化
从keras.layers导入稠密
从keras.layers导入输入
#CNN的体系结构
分类器=顺序（）
#步骤1-卷积1
输入\层=输入（形状=序列\形状[1:]）
添加（卷积1d（64，（16），activation=“relu”，input_shape=（10000,1）））35;##到输入形状poso na einai？？？
添加（卷积1d（64，（16），activation=“relu”，input_shape=（train_X.shape[1:]））35;##到输入形状poso na einai？？？
#步骤2-池1
add（maxpoolg1d（池大小=2，跨步=2））
add（BatchNormalization（））
#步骤3-卷积2
添加（卷积1d（3,1，activation=“relu”）####到输入形状poso na einai？？？
#步骤4-池2
add（maxpoolg1d（池大小=2，跨步=2））
add（BatchNormalization（））
#步骤5-卷积3
添加（卷积1d（3,1，activation=“relu”）####到输入形状poso na einai？？？
#步骤6-池3
add（maxpoolg1d（池大小=2，跨步=2））
add（BatchNormalization（））
#步骤7-卷积4
添加（卷积1d（3,1，activation=“relu”）####到输入形状poso na einai？？？
#步骤8-池4
add（maxpoolg1d（池大小=2，跨步=2））
add（BatchNormalization（））
#步骤9-卷积5
添加（卷积1d（3,1，activation=“relu”）####到输入形状poso na einai？？？
#步骤10-池5
add（maxpoolg1d（池大小=2，跨步=2））
添加（展平（））
#步骤11-完全连接层
分类器.添加（密度（单位=100））#xreiazetai激活=relu？？？？？
#步骤12-Softmax
添加（密度（单位=10，激活=“softmax”））
#编辑CNN
compile（优化器='adam'，loss='categorical_crossentropy'，metrics=['accurity']）
#第3部分-使CNN适合数据集
分类器.fit（序列X，序列Y，批量大小=32，历代数=25）

为什么您的输入shape=train\u X.shape[1:]但当您适合模型时，您会充分使用train\u X？此外，X列的形状是什么？

Conv1D

需要

批量大小、宽度、通道大小的3D输入。您的输入是二维输入。这就是问题所在。@Ibrahimsherifiahia这只是一个错误。我是个实验人员