多特征 CNN 分类模型的 Keras 输入形状不匹配错误答案

【问题标题】：Keras input shape mismatch error for multi-feature CNN classification model多特征 CNN 分类模型的 Keras 输入形状不匹配错误
【发布时间】：2020-10-10 21:28:30
【问题描述】：

这是我的代码：

model = Sequential()
model.add(Conv1D(32, kernel_size=3,
                 activation='relu',
                 input_shape=(14,1)))
model.add(MaxPooling1D(pool_size=1))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='softmax'))
model.summary()
model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(X_train.values, y_train.values,
          batch_size=4,
          epochs=1,
          verbose=2,
          validation_data=(X_test.values,y_test.values))

错误是： Error when checking input: expected conv1d_35_input to have 3 dimensions, but got array with shape (13166, 14)

正如其他帖子所建议的，我在输出层之前使用了 flatten 层进行了调整，但这不起作用。

我的X_train.values.shape 给了(13166, 14) 有什么建议我应该如何解决这个问题？

【问题讨论】：

标签： numpy tensorflow keras deep-learning neural-network

【解决方案1】：

您需要将 X_train.values 从 (13166, 14) 重塑为 (13166, 14, 1)，因为 CNN 网络的输入形状是 (None, 14, 1)。
这可能会解决您的问题：

X_train.values.reshape([-1,14,1])

【讨论】：