Keras搭建CNN时3D输入转4D格式适配Conv2D的问题咨询

• 2D卷积层Conv2D要求输入为4维张量，格式为(样本数, 高度, 宽度, 通道数)，你当前reshape后的训练数据为3维(样本数, 特征长度, 1)，缺少1个空间维度，不符合输入要求。
• 你给Conv2D传入的input_shape参数包含了样本数维度，Keras的input_shape参数不需要指定样本数，仅需要传入单条样本的形状即可。
• 额外注意：你当前设置的卷积核尺寸(2,2)和你的单条数据尺寸不匹配，调整维度后你的单条数据宽度只有1，小于卷积核宽度2，会触发新的尺寸不兼容错误。

1. 调整数据reshape逻辑，新增通道维度，把3维数据转为4维：

# 替换原有的reshape代码
X_train_reshaped = x_tra.reshape((x_tra.shape[0], x_tra.shape[1], 1, 1))
X_test_reshaped = x_tst.reshape((x_tst.shape[0], x_tst.shape[1], 1, 1))

2. 修改Conv2D层的input_shape参数，同时调整卷积核尺寸适配数据：

# 替换原有的Conv2D层代码
model.add(Conv2D(16, (2, 1), padding='valid', input_shape=X_train_reshaped.shape[1:],
                    activation='relu'))

修改后即可正常运行。

内容的提问来源于stack exchange，提问作者فيصل عبد الله عزيز