TensorFlow Conv1D层报expected min_ndim=3 found ndim=2错误

TensorFlow中Conv1D层的输入要求为3阶张量，标准维度顺序为(batch_size, 序列长度, 通道数)，最低维度要求为3。当前传入的特征数据集是2阶张量，形状为(样本总量, 15)，缺失了最后一维的通道维度，模型接收输入时自动补全batch维度后总维度只有2，不满足Conv1D的输入要求，因此抛出维度不匹配错误。

• 调整特征数据集维度，给训练、测试特征集增加长度为1的通道维度，直接执行维度变换代码即可：

# 为特征数据追加通道维度，-1表示自动计算样本总数维度
train_X = train_X.reshape(-1, 15, 1)
test_X = test_X.reshape(-1, 15, 1)

调整后数据集形状：

• train_X.shape: (1073965, 15, 1)
• test_X.shape: (268492, 15, 1)
• 调整模型首层Conv1D的输入形状参数，不需要传入batch维度，将input_shape设置为和单条样本形状一致的(15, 1)即可，参考模型结构示例：

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling1D, Flatten, Dense

model = Sequential([
    # 首层卷积匹配调整后的输入形状
    Conv1D(filters=16, kernel_size=3, activation='relu', input_shape=(15, 1)),
    MaxPooling1D(pool_size=2),
    Flatten(),
    # 输出层对应8分类任务，用softmax激活
    Dense(8, activation='softmax')
])

• 校验：执行model.summary()，确认首层输入形状为(None, 15, 1)，即可正常传入数据开始训练，不会再触发维度报错。

内容的提问来源于stack exchange，提问作者Tarun Maganti