Python 如何用keras处理Conv1D的输入形状?
我一直在尝试用数据集训练CNN 因此,我建立了以下CNN:Python 如何用keras处理Conv1D的输入形状?,python,keras,cnn,Python,Keras,Cnn,我一直在尝试用数据集训练CNN 因此,我建立了以下CNN: model = Sequential() num_filters = 8 filter_size = 3 pool_size = 2 model.add(Conv1D(num_filters, filter_size, input_shape=(X_train.shape[1],1))) model.add(MaxPooling1D(pool_size=pool_size)) model.add(Conv1D(num_filters
model = Sequential()
num_filters = 8
filter_size = 3
pool_size = 2
model.add(Conv1D(num_filters, filter_size, input_shape=(X_train.shape[1],1)))
model.add(MaxPooling1D(pool_size=pool_size))
model.add(Conv1D(num_filters, filter_size))
model.add(MaxPooling1D(pool_size=pool_size))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))
其中X_train.shape=(28086,98)
然后我编译我的模型,当我计算:
history = model.fit(X_train, y_train, epochs=2, batch_size=16, validation_split=0.2)
我得到这样的错误:
ValueError: Input 0 of layer sequential_9 is incompatible with the layer: : expected min_ndim=3, found ndim=2. Full shape received: [None, 98]
我对这个领域很陌生,我真的不知道这个错误意味着什么
所以,如果你有任何想法或建议,我将不胜感激!:) 火车的形状?please@sarannns哦,对不起,我将编辑我的帖子,但它是:(28086,98),实际上在我的代码中,我使用了
X\u train.shape[1]
,而不仅仅是X\u train.shape
谢谢。也就是说,时间步数=28086,特征数=1?但从错误来看,您的num_功能似乎=98@sarannns事实上,我尝试使用98个特性,我确实有28086个样本,Conv1D的输入维度必须是3D[批大小、时间步长、数量特性]