Python 它是如何在Keras中的Conv1d中使用输入_形状变量的？

再见， 我在Keras上与CNN 1d合作，但我在输入形状变量方面遇到了很多麻烦

我有一个100个时间步长的时间序列和5个带有布尔标签的功能。我想训练一个CNN 1d，它可以使用长度为10的滑动窗口。这是我写的一段非常简单的代码：

从keras.models导入
从keras.layers导入稠密，Conv1D
将numpy作为np导入
N_特征=5
N_时间步长=10
X=np.random.rand（（100，N_特征））
Y=np.random.randint（0,2，大小=100）
#有线电视新闻网
model.Sequential（）
添加（Conv1D（filter=32，kernel\u size=N\u TIMESTEPS，activation='relu'，input\u shape=N\u特性
model.add（密集型（1，激活='sigmoid'））
compile（loss='classifical_crossentropy'，optimizer='adam'，metrics=['accurity']）

我的问题是，我得到了以下错误：

文件“”，第2行，在
添加（Conv1D（filter=32，kernel\u size=10，activation='relu'，input\u shape=N\u FEATURES））
TypeError:\uuuu init\uuuu（）至少接受3个参数（给定3个）

我还尝试将以下值传递到输入_形状：

input_shape=（无，N_特征）
输入形状=（1，N个特征）
输入形状=（N个特征，无）
输入_形状=（N_特征，1）
输入_形状=（N_特征，）

您知道代码有什么问题吗？或者总体来说，您能否解释Keras CNN中input_shape变量背后的逻辑

疯狂的是，我的问题与以下问题相同：

但我无法用帖子中给出的解决方案来解决这个问题

Keras版本为2.0.6-tf

谢谢

这应该可以：

from keras.models import Sequential
from keras.layers import Dense, Conv1D
import numpy as np

N_FEATURES=5
N_TIMESTEPS=10
X = np.random.rand(100, N_FEATURES)
Y = np.random.randint(0,2, size=100)

# Create a Sequential model
model = Sequential()
# Change the input shape to input_shape=(N_TIMESTEPS, N_FEATURES)
model.add(Conv1D(filters=32, kernel_size=N_TIMESTEPS, activation='relu', input_shape=(N_TIMESTEPS, N_FEATURES)))
# If it is a binary classification then you want 1 neuron - Dense(1, activation='sigmoid')
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

---

请查看每行代码前的注释。此外，

Conv1D

期望的输入形状是

（时间步长、功能大小、每时间步长）

。您的代码的翻译是

（N\u时间步长、N\u功能）

，

很多，密集的内容是一个输入错误。它看起来像是“过滤器”和“过滤器”有区别，但我不知道为什么。在Conv1D文档中，正确的参数是“fitlers”，因此我希望得到一条关于它的错误消息。但现在它编译正确了。