构建输入shape为(2363,2,1)的1D CNN时MaxPool1D出现负维度报错如何解决？

核心触发原因 #

• 池化层参数与输入维度不匹配：MaxPooling1D默认参数为pool_size=2、strides=2、padding='VALID'，无填充模式下要求输入的时序维度必须≥池化窗口大小。Conv1D的input_shape格式为(时序步长, 特征数)，你的输入初始时序维度仅为2，经过第一次池化后时序维度被压缩为1，到第二次池化时1<2，维度计算出现负数，正好对应报错日志中subtracting 2 from 1的描述。
• 附加逻辑错误：输出层单神经元使用softmax激活函数会导致输出恒为1，完全无法完成训练拟合。

方案1：保留当前输入维度（时序步长确实为2） #

删除多余的池化层，最多仅保留1次池化操作，同时修正输出层激活函数，参考代码如下：

model_2 = Sequential()

model_2.add(Conv1D(256, kernel_size=1, activation='relu', input_shape=(2,1)))
model_2.add(BatchNormalization())
model_2.add(MaxPooling1D()) # 仅保留第一层池化，输出时序维度为1

model_2.add(Conv1D(128, kernel_size=1, activation='relu'))
model_2.add(BatchNormalization())
# 删除后续所有MaxPooling1D层
model_2.add(Conv1D(64, kernel_size=1, activation='relu'))
model_2.add(BatchNormalization())

model_2.add(Conv1D(32, kernel_size=1, activation='relu'))
model_2.add(BatchNormalization())

model_2.add(Flatten())

model_2.add(Dense(4,kernel_initializer="uniform",activation='relu'))
# 二分类任务用sigmoid，多分类任务请修改为对应类别数+softmax
model_2.add(Dense(1,kernel_initializer="uniform",activation='sigmoid'))

方案2：修正数据维度（适合实际时序步长更长的场景） #

如果你是reshape时搞反了时序维度和特征维度，可调整预处理的reshape逻辑，把时序步长调整为≥4即可支撑4次池化操作，避免维度为负的问题。

内容的提问来源于stack exchange，提问作者Sparsh Gupta