Python keras层中传统1D或2D的区别是什么

我正在发现

keras

库，我不知道

keras层中的维度是什么意思，以及如何选择它们<代码>（model.add（卷积2D（…）

或

model.add（卷积1D（…））

例如，我有一组9000个序列跟踪和1000个测试跟踪，每个跟踪有1000个样本，因此我创建了大小为9000*1000的数组X_-train，X_-test的大小为1000*1000，Y_-train的大小为9000，Y_-test的大小为1000

我的问题是如何选择第一层尺寸

我尝试使用在MNIST中实现的相同示例，例如：

model.add(Convolution2D(9000, (1, 1), activation='relu', input_shape(1,9000000,1),dim_ordering='th'))

但它不起作用，我甚至不知道应该在卷积函数的每个参数中添加什么。

维数（1D、2D等）的选择取决于输入的维数。例如，由于您使用的是MNIST数据集，因此您将使用2D图层，因为您的输入是具有高度和宽度（二维）的图像。或者，如果您使用的是文本数据，则可以使用1D层，因为句子是单词的线性列表（一维）

---

我建议看看Francois Chollet的例子，一个带有MNIST的卷积神经网络：。（注意：Conv2D与卷积2d相同。）

它以什么方式“不起作用”？有错误吗？错误发生在执行model.add（flatte（））时，它表示：输入0与层展平7不兼容：预期最小值ndim=3，找到ndim=2@HajjiSofien我要去掉扁平层。这将使您的模型保持三维，因为flatte（）会将其展平为二维。（在输入/输出形状相关的错误之后可能会产生不同的错误，但当前的错误应该得到解决。）好的，我理解，但您能告诉我使用MNIST dataset时卷积2D函数中每个参数的含义吗？。model.add（卷积2D（32,3,3，activation='relu'，input_shape=（1,28,28）））32和（1,1）代表什么？@HajjiSofien查看。除非您显式地指定参数（如activation=..或input_shape=..），否则参数是有序的。因此，第一个参数是过滤器的数量，而第二个参数是内核大小，等等。