Python Keras中的1D CNN：从汇集特征到密集层的扁平化会引起错误

我定义了以下CNN模型。它需要长度为501的1D矢量输入

model = ml.models.Sequential()
model.add(ml.layers.Conv1D(filters=NUMBER_OF_FILTERS, kernel_size=KERNEL_SIZE, activation=ACTIVATION, input_shape=(None, 501)))
model.add(ml.layers.MaxPooling1D(pool_size=POOL_SIZE, padding='valid'))
model.add(ml.layers.Flatten())
model.add(ml.layers.Dense(HIDDEN_SIZE-1, activation=ACTIVATION))

但这会产生一个值错误：

ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.

我不知道为什么Flatte不创建类似

（无，x）

的形状，而是创建

（无，无）

。这里有什么问题吗

这是模型摘要：

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv1d (Conv1D)              (None, None, 50)          250550    
_________________________________________________________________
max_pooling1d (MaxPooling1D) (None, None, 50)          0         
_________________________________________________________________
flatten (Flatten)            (None, None)              0         
=================================================================
Total params: 250,550
Trainable params: 250,550
Non-trainable params: 0
_________________________________________________________________

---

我已经想出了解决办法。我没有正确定义Conv1D层的输入形状，它应该是：

model.add(ml.layers.Conv1D(filters=NUMBER_OF_FILTERS, kernel_size=KERNEL_SIZE, activation=ACTIVATION, input_shape=(501, 1)))

---

我已经想出了解决办法。我没有正确定义Conv1D层的输入形状，它应该是：

model.add(ml.layers.Conv1D(filters=NUMBER_OF_FILTERS, kernel_size=KERNEL_SIZE, activation=ACTIVATION, input_shape=(501, 1)))

---

Layers Flatten将图像格式从二维数组（a，b）转换为一维数组（aXb）。Layer Pooling输出最大池（MaxPoolig1d）（无，无，50）二维数组（0,0）。因此Layer Flatten:Flatte（展平）（无，无）

图层展平将图像格式从二维数组（a，b）转换为一维数组（aXb）。图层池输出最大池（MaxPoolg1d）（无，无，50）二维数组（0,0）。因此图层展平：展平（展平）（无，无）