如何整形输入数据以在keras中与Conv1D一起使用？

Question

我的虚拟数据集中有12个长度为200的向量，每个向量代表一个样本。假设x_train是一个带有shape的数组(12, 200)。

当我做：

model = Sequential()
model.add(Conv1D(2, 4, input_shape=(1, 200)))

我得到错误：

ValueError: Error when checking model input: expected conv1d_1_input to have 3 dimensions, but got array with shape (12, 200)

如何正确调整输入数组的形状？

这是我更新的脚本：

data = np.loadtxt('temp/data.csv', delimiter=' ')
trainData = []
testData = []
trainlabels = []
testlabels = []

with open('temp/trainlabels', 'r') as f:
    trainLabelFile = list(csv.reader(f))

with open('temp/testlabels', 'r') as f:
    testLabelFile = list(csv.reader(f))

for i in range(2):
    for idx in trainLabelFile[i]:
        trainData.append(data[int(idx)])
        # append 0 to labels for neg, 1 for pos
        trainlabels.append(i)

for i in range(2):
    for idx in testLabelFile[i]:
        testData.append(data[int(idx)])
        # append 0 to labels for neg, 1 for pos
        testlabels.append(i)

# print(trainData.shape)
X = np.array(trainData)
Y = np.array(trainlabels)
X2 = np.array(testData)
Y2 = np.array(testlabels)

model = Sequential()
model.add(Conv1D(1, 1, input_shape=(12, 1, 200)))

opt = 'adam'
model.compile(loss='mean_squared_error', optimizer=opt, metrics=['accuracy'])

model.fit(X, Y, epochs=epochs)

我现在收到一个新错误：

ValueError: Input 0 is incompatible with layer conv1d_1: expected ndim=3, found ndim=4

Answer 1

在Keras 文档中，它被写为input_shape具有 shape 的 3D 张量(batch_size, steps, input_dim)。含义如下：

1. batch_size是样本数。这是12给你的。
2. steps是数据的时间维度。您可以将其设置为，1因为数据中只有一个通道。
3. input_dim是一个样本的维度。这是200给你的。

您问题的答案是将您的数据重塑为(12,1,200).