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：

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]