Python 如何选择一维信号（加速度计信号）的张量形状？由于张量的形状，我一直得到Vlauer误差

我试图模拟CNN的一维信号，但我无法理解秩误差

我的程序是这样的：

#Weights
def init_weights(shape):
    init_random_dist = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(init_random_dist)


#Bias
def init_bias(shape):
    init_bias = tf.constant(0.1,shape=shape)
    return tf.Variable(init_bias)

def conv1d(x,W):
    #x is input accelration data and W is corresponding weight
    x = tf.cast(x, tf.float32)
    tf.nn.conv1d(x,W,stride=1,padding='VALID')

def convolution_layer(input_x,shape):
    w = init_weights(shape)
    b = init_bias([shape[3]])
    return tf.nn.relu(conv1d(input_x,w)+b)

现在是占位符

x=tf.placeholdertf.float32，shape=[1,1200,1]

y_true=tf.placeholdertf.float32，shape=[None，6]

当使用con_layer_1=卷积_layerx，shape=[1,20,1,32]创建第一层时，我得到的秩值误差无法消除。错误语句是：

---

ValueError:对于输入形状为[1,1,1200,1]，[1,1,20,1,32]的“conv1d_20/Conv2D”op:“Conv2D”，形状必须为第4级，但为第5级。nn.conv1d的输入和权重形状不正确。nn.conv1d的输入形状大小应为：[批次大小、输入长度、输入通道]，权重矩阵大小应为[过滤器大小、输入通道、输出通道]。因此，您需要将代码更改为：

def convolution_layer(input_x,shape):
   w = init_weights(shape)
   b = init_bias([shape[2]])
   return tf.nn.relu(conv1d(input_x,w)+b)

x = tf.placeholder(tf.float32,shape=[1,200,1])

y_true = tf.placeholder(tf.float32,shape=[None,6])

con_layer_1 = convolution_layer(x,shape=[20,1,32]) 

注意：您应该尝试使用tf.layers API来处理权重分配和所有这些