Python ValueError:预期最小值ndim=3，发现ndim=2

我正在尝试将输入分类

这些形状是：

df_train.shape: (17980, 380)
df_validation.shape: (17980, 380)

然而，当我运行我的代码时，我得到了以下错误

ValueError: Input 0 of layer conv1d is incompatible with the layer: : expected min_ndim=3, found ndim=2. Full shape received: [32, 380]

---

如何修复此错误？

Conv1D接受形状输入：

带形状的3+D张量：批处理形状+（步骤，输入尺寸）

如果您的数据仅为二维，请添加一个虚拟标注，其中包含：

df_train = df_train[..., None]
df_validation = df_validation[..., None]

同时修改批次输入形状=（32,1380），相应修改为：

batch输入形状=（32,380,1）

或者完全忽略它

其他更改（处理此虚拟数据）：

---

我的意思是我写的“添加虚拟维度”。试试看，在这些线路之后，你的df_列车会是什么形状。这就是它的外观。哦，这是一个熊猫数据帧，请在之前将其更改为numpy数组。这就是它的外观，正如我在回答中所说的，我们正在对我们进行评论。其他帐户也会问同样的问题，例如，你，如果是，为什么要创建新帐户？好的，不过，你应该考虑为什么你的朋友问题是关闭的。你有完全相同的问题，你使用了错误的模型。您当前的模型旨在处理一维向量的序列，而您似乎有图像（不是序列）。您应该重新考虑模型，例如，不需要时间分布。

df_train = np.random.normal(size=(17980, 380))
df_validation = np.random.normal(size=(17980, 380))

df_train = df_train[..., None]
df_validation = df_validation[..., None]

y_train = np.random.normal(size=(17980, 1))
y_validation = np.random.normal(size=(17980, 1))

#train,test = train_test_split(df, test_size=0.20, random_state=0)


    
batch_size=32
epochs=5
    
model = Sequential()

model.add((Conv1D(filters=5, kernel_size=2, activation='relu', padding='same')))
model.add((MaxPooling1D(pool_size=2)))
model.add(LSTM(50, return_sequences=True))
model.add(LSTM(10))
model.add(Dense(1))

adam = optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0)

model.compile(optimizer=adam, loss='mse', metrics=['mae', 'mape', 'acc'])
callbacks = [EarlyStopping('val_loss', patience=3)]

model.fit(df_train, df_validation, batch_size=batch_size)

print(model.summary())