Keras中Conv1D输入层的正确input_shape参数配置问题

问题结论 #

你设置的input_shape参数确实错误，核心原因是不符合Conv1D层的输入维度规范。

具体原因 #

Keras中Conv1D层要求输入为3维张量，维度格式为(批量大小, 序列长度, 特征通道数)，其中input_shape参数不需要传入批量维度，仅需要指定单个样本的(序列长度, 特征通道数)。
你当前的训练数据x_vec.shape = (52579, 100)，对应每个样本是长度为100的单通道序列，正确的input_shape应该设置为(100, 1)，而非(100,)。
你配置input_shape=(100,)时，Conv1D会默认最后一维是特征通道数，预期输入的特征通道数为1，而你传入的原始数据在框架自动补维后形状不匹配，因此触发维度校验报错。

修复方案 #

1. 修改Conv1D层的输入形状定义：

model.add(layers.Conv1D(input_shape=(100, 1), kernel_size=5, filters=100, activation='relu'))

2. 给训练数据补充特征通道维度：

import numpy as np
x_vec = np.expand_dims(x_vec, axis=-1)

额外优化提示 #

你当前是二分类场景下的单神经元输出配置，使用softmax激活不合理，softmax会对多类输出做归一化，单神经元下输出恒为1，建议替换为sigmoid激活，匹配binary_crossentropy损失函数：

model.add(layers.Dense(units=1, activation='sigmoid'))

内容的提问来源于stack exchange，提问作者Jack Shutler