Python Keras中Conv1D数据的形状问题

我正在学习Keras，并试图根据信号的频率对其进行分类

因此，开始我的代码是这样的：

import numpy as np
from keras.models import Sequential
from keras.layers import Conv1D
from keras.layers import AveragePooling1D
from keras.layers import Dense
from keras.layers import Dropout

#DATA
time=np.arange(0,20,0.05)
signal=np.sin(time)
out=np.array([1,0,0])

#MODEL
model = Sequential()

model.add(Conv1D(4, 60, padding='same', activation='relu',input_shape=(400,1)))
model.add(AveragePooling1D(pool_size=5, strides=None, padding='valid'))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(3, activation='softmax'))

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

history = model.fit(signal, out)

我有这个错误

builtins.ValueError: Error when checking input: expected conv1d_1_input to have 3 dimensions, but got array with shape (400, 1)

---

但我不明白问题出在哪里。

试着像这样重塑数据：

history = model.fit(signal.reshape(1,400,1), out.reshape(1,3))

编辑

---

model.fit（）

需要输入和输出的数组，而不是单个输入和输出。

也许可以补充一点，这是因为model.fit（）需要输入和输出的数组，而不是单个输入和输出。