Python Keras卷积1D输入形状

我试图用以下方法构建一个简单的卷积神经网络：

• 340个样本
• 每个样本260行
• 每行16个功能

我认为形状的顺序是（批量大小、步骤、输入尺寸），这意味着我相信是（340、16260）

当前代码：

model = Sequential()
model.add(Conv1D(64, kernel_size=3, activation='relu', input_shape=(340, 16, 260)))
# model.add(Conv2D(64, 2, activation='relu'))
model.add(MaxPooling1D())
# model.add(Conv2D(128, 2, activation='relu'))
model.add(Conv1D(64, kernel_size=3, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dense(1, activation='linear'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.summary()

model.fit(xTrain, yTrain, batch_size=16, epochs=1000)

我得到一个错误：

ValueError:输入0与层conv1d_1不兼容：预期ndim=3，发现ndim=4

我很迷茫，我相信我的形状是错的。有人能帮我吗？ 谢谢大家!

如Keras中的层所述，接受两个参数：

input\u-shape

和

batch\u-input\u-shape

。区别在于

input\u shape

不包含批量大小，而

batch\u input\u shape

是完整的输入形状，包括批量大小

---

基于此，我认为规范

input\u shape=（340，16260）

告诉keras希望得到一个四维输入，这不是您想要的。正确的参数应该是

batch\u input\u shape=（340，16，260）

这似乎不起作用，错误现在是：ValueError:error when check input:expected conv1d\u 1\u input有shape（16260）但得到了shape（260，16）的数组使用

batch\u input\u shape=（340，16，260）

时是这样吗？