Python 简单Conv1D作为keras中的第一层

这是我的意见

x_train.shape # (12, 7) 12 observations each of length 7
x_train # dtype('int32')

以下是我想要实现的体系结构：

我想要一个大小为3的内核在序列上卷积。来自keras文档，网址为

“当使用此层作为模型中的第一层时，请为128维向量的10个向量序列提供输入形状参数（整数元组或无，例如：（10，128），或为128维向量的可变长度序列提供输入形状参数（无，128）。”

老实说，我很难理解他们的逻辑。这是我的尝试

docs_sequence = Input(shape=(7,), dtype='float32') # Longest document is 7 words
convolution = Conv1D(filters = 1,  # only 1 convolution
                     kernel_size = 3, # tri grams
                     strides = 1,
                     input_shape = (1, 7),
                     padding = 'valid',
                     activation = 'relu')(docs_sequence)
output = Dense(1, activation='sigmoid')(convolution)
cnn_model = Model(inputs = docs_sequence, outputs = [output])
cnn_model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

而且我一直在

---

ValueError:输入0与层conv1d_30不兼容：预期ndim=3，发现ndim=2

正如错误消息所述，您的输入是二维的，而卷积层预期是三维输入

有以下几点

docs_sequence = Input(shape=(7,1), ...

而不是

docs_sequence = Input(shape=(7,), ...

Keras接受该模型。基本上，这会在输入中添加一个大小为1的维度（错误消息中的三个维度包括minibatch维度，人们可以认为该维度在上面的

shape

参数前面）

cnn\u model.summary（）

然后给出：

_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
input_1 (InputLayer)         (None, 7, 1)              0
_________________________________________________________________
conv1d_1 (Conv1D)            (None, 5, 1)              4
_________________________________________________________________
dense_1 (Dense)              (None, 5, 1)              2
=================================================================

在准备实际输入数据时，您可能必须将此大小为1的维度添加到您的输入数据中。您可能需要使用

numpy.atleast_2d（）

或

numpy.atleast_3d（）

进行此操作，可能需要结合转置或使用

numpy.expand_dims（）

---

在你的例子中，

np。至少\u 3d（x\u train）

给出了一个

（12，7，1）

的形状。我尝试过使用输入形状，但我还是很难遵循它们的逻辑。从你发布的链接中，输入形状3d张量和形状：（批量大小，步骤，输入尺寸）。这可以帮助你标记你的句子