1D CNN输入形状不兼容问题求助：语音二分类模型报错

问题根源 #

你错误地将整个数据集的形状(6981,19)当成了Conv1D层的input_shape参数值。Keras中Conv1D的input_shape定义的是单个样本的结构，格式为(序列长度, 特征数)，而非包含样本总数的数据集整体形状。这就导致模型期望输入为(None, 6981, 19)（None代表可变样本数），但实际输入每个样本仅为19维特征，形状是(None,19)，两者不匹配触发报错。

解决步骤 #

1. 调整输入数据形状

1D CNN要求每个样本是序列结构，需要先将x_trainreshape为(样本数, 序列长度, 特征数)的格式，具体分两种场景：

• 场景1：若19是语音样本的序列长度（比如19帧特征），每个时间步仅1个特征：

  x_train = x_train.reshape((x_train.shape[0], x_train.shape[1], 1))
  

• 场景2：若19是单时间步的特征维度（比如单帧MFCC的19维特征），序列长度设为1：

  x_train = x_train.reshape((x_train.shape[0], 1, x_train.shape[1]))
  

2. 修正模型的input_shape参数

根据上述reshape的场景，对应修改Conv1D层的input_shape：

• 对应场景1的模型示例：

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import Conv1D, Flatten, Dense
  
  model = Sequential()
  # input_shape为单样本的序列长度和特征数：(19,1)
  model.add(Conv1D(filters=32, kernel_size=3, activation='relu', input_shape=(19, 1)))
  model.add(Flatten())
  model.add(Dense(1, activation='sigmoid')) # 二分类用sigmoid输出
  
  model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
  model.fit(x_train, y_train, epochs=10, batch_size=32)
  

• 对应场景2的模型示例：

  model = Sequential()
  # input_shape为(1,19)，代表序列长度1，每个时间步19个特征
  model.add(Conv1D(filters=32, kernel_size=1, activation='relu', input_shape=(1, 19)))
  model.add(Flatten())
  model.add(Dense(1, activation='sigmoid'))
  
  model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
  model.fit(x_train, y_train, epochs=10, batch_size=32)
  

额外提示 #

• 若你的语音特征是单帧的19维向量，其实用全连接（Dense）层可能比1D CNN更直接；如果是多帧的序列特征，1D CNN才能发挥其提取局部序列特征的优势。

内容的提问来源于stack exchange，提问作者K RAGHAVENDRA LOKESH