如何为1D CNN准备输入数据 解决输入维度不匹配报错问题

报错核心原因 #

Keras的Conv1D层要求输入为3维张量，维度格式为(样本数, 序列长度/时间步长, 单位置特征数)，你当前生成的数据集X维度为(样本数, 2)，属于2维张量，缺少最后一个单位置特征维度，因此触发维度不匹配报错。

具体修改步骤 #

第一步：调整数据集维度 #

仅需要给原数据集新增最后一个维度即可适配输入要求，代码如下：

X, y = create_data(df)
# 新增最后一维，将形状从(样本数,2)转换为(样本数,2,1)，匹配Conv1D输入格式要求
X = np.expand_dims(X, axis=-1)
Tx, Testx, Ty, Testy = train_test_split(X,y,train_size=0.8)

你查询资料看到的timestep（时间步）概念不需要局限在时间序列场景：1D CNN的本质是提取一维序列的局部关联特征，只要你的特征是固定顺序排列的一维向量，向量的长度就是timestep的数值。你当前固定按[Taste, Look]排列的2个特征，长度为2，对应timestep=2，最后新增的维度值为1，代表每个序列位置只有1个数值特征。

第二步：修正模型卷积参数 #

你当前设置的第一个Conv1D卷积核大小为3，而你的序列长度仅为2，卷积核尺寸大于序列长度会触发新的报错，需要同步调整卷积参数，这里给出适配你当前数据的可用模型参考：

def create_model():
    model = Sequential()
    # 卷积核大小改为2，适配长度为2的序列
    model.add(Conv1D(128,2,input_shape=(2,1),activation='relu'))
    model.add(BatchNormalization())
    model.add(Flatten())
    model.add(Dense(64,activation='relu'))
    model.add(Dense(1,activation='relu'))
    return model

如果后续你新增了更多特征，序列长度提升到大于3之后，你可以恢复原来的卷积核、池化层配置。

内容的提问来源于stack exchange，提问作者DevDog