Python Keras Conv1d输入形状：检查输入时出错

我正在使用keras和TF后端构建一个简单的

Conv1d

net。数据具有以下形状：

train feature shape: (33960, 3053, 1)
train label shape: (33960, 686, 1)

我使用以下工具构建模型：

def create_conv_model():

    inp =  Input(shape=(3053, 1))
    conv = Conv1D(filters=2, kernel_size=2)(inp)
    pool = MaxPool1D(pool_size=2)(conv)
    flat = Flatten()(pool)
    dense = Dense(686)(flat)
    model = Model(inp, dense)
    model.compile(loss='mse', optimizer='adam')

    return model

模型摘要：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 3053, 1)           0         
_________________________________________________________________
conv1d_1 (Conv1D)            (None, 3052, 2)           6         
_________________________________________________________________
max_pooling1d_1 (MaxPooling1 (None, 1526, 2)           0         
_________________________________________________________________
flatten_1 (Flatten)          (None, 3052)              0         
_________________________________________________________________
dense_1 (Dense)              (None, 686)               2094358   
=================================================================
Total params: 2,094,364
Trainable params: 2,094,364
Non-trainable params: 0

跑步时

model.fit(x=train_feature,
    y=train_label_categorical,
    epochs=100,
    batch_size=64,
    validation_split=0.2,
    validation_data=(test_feature,test_label_categorical),
    callbacks=[tensorboard,reduce_lr,early_stopping])

我得到以下非常常见的错误：

ValueError: Error when checking input: expected input_1 to have 3 dimensions, but got array with shape (8491, 3053)

我已经检查了几乎所有关于这个非常常见的问题的帖子，但我一直无法找到解决方案。我做错了什么？我不明白发生了什么事。形状

（84913053）

来自哪里

---

任何帮助都将不胜感激，我无法让它消失。

更改

验证\u数据=（测试\u功能，测试\u标签\u分类）

在

模型中。将
功能安装到

validation\u data=（np.expand\u dims（test\u feature，-1），test\u label\u category）

该模型需要shape
（8491，3053，1）
，但在上述代码中，您提供了shape
（8491，3053）
能否请您再次检查并打印培训和验证数据的形状，即打印（train_feature.shape）
和打印（test_feature.shape）

？进一步（这与错误无关），您应该使用

validation\u split

或

validation\u data

，而不是两者都使用。在model.fit（）之前立即打印（train\u feature.shape，train\u label\u category.shape）：（33960，3053，1）（33960，686）好的，关于测试数据，即

test\u feature.shape

？请仔细阅读我的评论：我正在寻找测试数据形状，而不是培训形状。请运行

print（test\u feature.shape）

。