Python 找到正确的输入&；conv1D Keras NN的输出形状

我建立了一个LSTM模型来分析时间序列，其输入矩阵X的大小为（1750,20,28），长度为1750 a，序列为20和28个特征。事实上，我用我的原始X矩阵和28个特征创建了一个长度为20的滑动窗口的3D矩阵。y矩阵的大小为（1750，） 我成功地将其用于LTSM（输入形状=X_列[1]，X_列[2]）

它与第一层模型.add（layerlstm1）或堆叠的LSTM配合得非常好，但是它不会给出很好的结果（如果我运行两次相同的NN，则非常不稳定）。 然后，我尝试在相同的数据集上应用conv1D NN，并使用相同的输入形状。我得到一个错误消息，我在下面介绍。 以下是模型定义和消息：

# available layers
layer_drop = keras.layers.Dropout(rate = dropout)
layer_dense1 = Dense(units= layer_1, activation = 'relu')
layer_LSTM1 = keras.layers.LSTM(units=layer_1, activation = 'relu' , return_sequences = False, input_shape=(X_train.shape[1], X_train.shape[2]))
layer_LSTMstack1 = keras.layers.LSTM(units=layer_2, activation = 'relu' , return_sequences = True, input_shape=(X_train.shape[1], X_train.shape[2]))
layer_LSTMstack2 = keras.layers.LSTM(units=layer_2, activation = 'relu' , return_sequences = True)
layer_LSTMstackend = keras.layers.LSTM(units=layer_2, activation = 'relu')
layer_conv1D1 = keras.layers.Conv1D(filters = 28, kernel_size= 3, activation = 'relu', input_shape=(X_train.shape[1], X_train.shape[2]))
layer_output = Dense(units = 1)

# Model architecture 
model.add(layer_conv1D1)
model.add(layer_dense1)
model.add(layer_output)

我得到以下反馈（我在其中添加了model.summary（）

---

首先，让我们来讨论输入形状。我对“大小为（1750，20，28）的输入矩阵X”的解释是，批量大小为1750，是一个由20个时间步组成的1D系列，每个时间步有28个特征

添加卷积层时，批大小保持不变，时间步数通常保持不变（取决于过滤器如何适应时间步），并且输出的特征数将等于使用的过滤器数

因此，当您在卷积之后添加一个密集层时，您正在添加一个2D密集层（每个时间步对每个特征向量应用相同的权重）。为了避免这种情况，您需要添加

keras.layers.flatte（）

在代码中的某个地方。Flatte会将2D卷积输出转换为1D。为了达到我认为您要达到的效果，我会像这样修改代码

model.add(layer_conv1D1)
model.add(layer_dense1)
model.add(keras.layers.Flatten())
model.add(layer_output)

---

首先，让我们来讨论输入形状。我对“大小为（1750，20，28）的输入矩阵X”的解释是，批量大小为1750，是一个由20个时间步组成的1D系列，每个时间步有28个特征

添加卷积层时，批大小保持不变，时间步数通常保持不变（取决于过滤器如何适应时间步），并且输出的特征数将等于使用的过滤器数

因此，当您在卷积之后添加一个密集层时，您正在添加一个2D密集层（每个时间步对每个特征向量应用相同的权重）。为了避免这种情况，您需要添加

keras.layers.flatte（）

在代码中的某个地方。Flatte会将2D卷积输出转换为1D。为了达到我认为您要达到的效果，我会像这样修改代码

model.add(layer_conv1D1)
model.add(layer_dense1)
model.add(keras.layers.Flatten())
model.add(layer_output)

---

你发布了失败的那一行了吗？当你做一个模型时，我预计会出现错误。fit？是的，写一个输出错误的代码。事实上，我不知道它在哪里失败。我可以添加我用作附录的参数。这是我运行程序时的错误行：你发布了失败的那一行了吗？我预计你做模型时会出现错误。fi是的，编写一个输出错误的代码。事实上，我不知道它在哪里失败。我可以添加我用作附录的参数。这是我运行程序时的错误行：这正是正确的答案（但在密集层之前会出现平坦）谢谢。非常感谢！我这么做了，但是因为我是一个没有投票问题的新手，我的投票没有公开。为此感到抱歉，没有必要为必须遵守规则而感到抱歉！这正是正确的答案（但在密集层之前会出现平坦化）谢谢。非常感谢！我这么做了，但是因为我是一个新手，没有被投票的问题，我的投票不会公开出现。对此感到抱歉。没有必要为必须遵守规则而感到抱歉！

model.add(layer_conv1D1)
model.add(layer_dense1)
model.add(keras.layers.Flatten())
model.add(layer_output)