python - 数据集形状不匹配 Conv1D 输入层

Question

尝试设置 Conv1D 层作为 keras 中的输入层。

数据集有 1000 个时间步长，每个时间步长有 1 个特征。

在阅读了一堆答案后，我将数据集重新调整为以下格式(n_samples、timesteps、features)，这在我的案例中对应于以下内容:

train_data   = (78968, 1000, 1)
test_data    = (19742, 1000, 1)
train_target = (78968,)
test_target  = (19742,)

我稍后使用以下几行创建并编译代码

model = Sequential()
model.add(Conv1D(64, (4), input_shape = (1000,1) ))

model.add(MaxPooling1D(pool_size=2))
model.add(Dense(1))
optimizer = opt = Adam(decay = 1.000-0.999)
model.compile(optimizer=optimizer,
              loss='mean_squared_error',
              metrics=['mean_absolute_error','mean_squared_error'])

然后我尝试拟合，注意，train_target 和 test_target 是 pandas 系列，所以我调用 DataFrame.values 转换为 numpy 数组，我怀疑那里可能存在问题？

training = model.fit(train_data, 
                 train_target.values,
                 validation_data=(test_data, test_target.values),
                 epochs=epochs,
                 verbose=1)

模型可以编译，但当我尝试拟合时出现错误

Error when checking target: expected dense_4 to have 3 dimensions, 
but got array with shape (78968, 1)

我已经尝试了 reshape 数据的各种组合，但无法使其发挥作用。

我之前只在另一个项目中使用过带有密集层的keras，其中指定了input_dimension而不是input_shape，所以我不确定我在这里做错了什么。我已经阅读了几乎所有有关数据形状问题的堆栈溢出问题，恐怕问题出在其他地方，感谢任何帮助，谢谢。

Answer 1

在model.add(MaxPooling1D(pool_size=2))行下，添加一行model.add(Flatten())，你的问题就解决了。 Flatten 功能将帮助您将数据转换为正确的形状，请参阅此网站了解更多信息 https://www.tensorflow.org/api_docs/python/tf/keras/layers/Flatten