使用Conv1D搭建CNN模型训练时报输入维度错误无法拟合如何解决

错误原因 #

Keras中Conv1D层要求输入为三维张量，形状规范为(样本数量, 序列长度, 特征通道数)。你在输入层定义的input_shape=(X_train.shape[1],1)要求输入最后一维为单通道，但当前传入的训练集形状为(25000, 500)，属于二维张量，缺少最后一个通道维度，因此触发维度校验错误。

解决方法 #

在调用model.fit()之前，给训练集和测试集添加最后一维的通道维度即可，代码示例如下：

import numpy as np

# 方法1：使用expand_dims在最后一维插入通道维度
X_train = np.expand_dims(X_train, axis=-1)
X_test = np.expand_dims(X_test, axis=-1)

# 方法2：直接通过reshape调整维度，和上述方法效果完全一致
# X_train = X_train.reshape(X_train.shape[0], X_train.shape[1], 1)
# X_test = X_test.reshape(X_test.shape[0], X_test.shape[1], 1)

调整后训练集形状变为(25000, 500, 1)，符合Conv1D的输入要求，即可正常启动训练。

附加注意事项 #

你当前使用的损失函数是categorical_crossentropy，需要确保标签y_train、y_test已经完成one-hot编码，如果标签是普通的整数类别形式，可以将损失函数替换为sparse_categorical_crossentropy，避免后续出现标签维度不匹配的报错。

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