Python Keras中使用Conv1D的形状错误

我在使用Conv1D作为带有Keras的顺序NN的输入层时遇到问题。 这是我的密码：

import numpy as np    
from keras.layers.convolutional import Conv1D    
from keras.models import Sequential    
from keras.optimizers import Adam    

conv1d = Conv1D(input_shape=(None, 16), kernel_size=2, filters=2)    

model = Sequential()    
model.add(conv1d)    
model.compile(loss="logcosh", optimizer=Adam(lr=0.001))    

x_train = np.zeros((32, 16, 1))    
y_train = np.zeros((32, 16, 1))    

print(x_train.shape)    

model.fit(x_train, y_train, batch_size=4, epochs=20)     

这里是错误。我尝试了很多方法，但都没有帮助我解决这个问题

ValueError：检查输入时出错：预期conv1d_47_输入具有形状（无，16），但获得具有形状（16，1）的数组

---

Conv1D

希望输入具有形状

（批次大小、步骤、输入尺寸）

根据训练数据的形状，最大长度为16，输入维度仅为1。这就是你需要的吗

如果是，则可以将输入形状指定为

（16，1）

（长度始终为16）或

（无，1）

（动态长度）

如果要定义长度为1、维度为16的序列，则需要不同形状的训练数据：

x_train = np.zeros((32, 1, 16))
y_train = np.zeros((32, 1, 16))

---

我设法找到了一个解决方案，使用扁平功能和密集层，它的工作

import numpy as np
from keras.layers.convolutional import Conv1D
from keras.models import Sequential
from keras.optimizers import Adam
from keras.layers import Conv1D, Dense, MaxPool1D, Flatten, Input

conv1d = Conv1D(input_shape=(16,1), kernel_size=2, filters=2)

model = Sequential()
model.add(conv1d)
model.add(Flatten())
model.add(Dense(16))

model.compile(optimizer=optimizer,loss="cosine_proximity",metrics=["accuracy"])

x_train = np.zeros((32,16,1))
y_train = np.zeros((32,16))

print(x_train.shape)
print()

model.fit(x_train, y_train, batch_size=4, epochs=20) 

---

仍然不起作用。错误是：检查目标时出错：预期conv1d_52具有形状（无，2），但获得具有形状（1，16）的数组。最后一层是1d卷积，它为每一步生成一个二维向量。Keras告诉你目标的形状（

y_train

）与最后一层的输出形状不兼容。我看不出这个模型的用途，但最简单的“修复”方法是输出过滤器的数量与输出的维度相匹配，即：

conv1d=conv1d（input_shape=（None，16），kernel_size=2，filters=16）

我有一个长度为16的32个向量的数据集。我想把它们放在一个盒子里。上述代码只是神经网络的一个片段。我在WRDS后添加了几层。但由于第一层不起作用，我被困在这里。我已尝试添加如上所示的维度。我试着用各种方法来排列尺寸，但一次又一次地我得到一些错误。我找不到前进的路。如果我尝试交换不同的层，可能会有所帮助，但也会改变算法的平均目标，对吗？