CNN做时间序列预测搭配TimeDistributed层出现维度错误问题求助

• 维度不匹配：TimeDistributed层的作用是将内部包装的层应用到输入张量的第2维度（即你设置的时间窗口维度，数值为5）的每个切片上。你当前输入feature_tensor的形状为(1649, 5, 9)，拆分后的单个切片形状为(批量大小, 9)，仅2维，但Conv1D要求输入至少为3维（格式为(批量大小, 序列长度, 特征数)），因此触发报错。
• 参数配置错误：input_shape参数应当定义在TimeDistributed外层，而非内部的Conv1D层中，否则会打乱输入形状的匹配逻辑。

方案1：保留TimeDistributed层的调整方法 #

如果你需要对每个时间步的特征单独做卷积提取，需要先给输入增加通道维度，再调整模型的输入形状配置：

1. 先调整输入张量形状，增加通道维度：

import numpy as np
feature_tensor = np.expand_dims(feature_tensor, axis=-1)
# 调整后形状为 (1649, 5, 9, 1)，最后一维为通道数

2. 调整模型代码：

#Build the network model
act_fn='relu'
modelq = Sequential()
# input_shape移到TimeDistributed外层，匹配调整后的输入形状
modelq.add(TimeDistributed(Conv1D(filters=105, kernel_size=2, activation=act_fn), input_shape=(feature_tensor.shape[1], feature_tensor.shape[2], 1)))
modelq.add(TimeDistributed(AveragePooling1D(pool_size=1)))
modelq.add(TimeDistributed(Flatten()))
modelq.add(LSTM(50))
modelq.add(Dense(64, activation=act_fn))
modelq.add(Dense(1))

#Compile the model
modelq.compile(optimizer='adam', loss='mean_squared_error') 
modelq.fit(feature_tensor, y_train ,batch_size=1, epochs=epoch_count)

方案2：去掉TimeDistributed层（更适配当前场景） #

如果你只是需要先提取时间序列的局部特征再送入LSTM，不需要对单个时间步做卷积，直接去掉TimeDistributed即可，无需调整输入形状，逻辑更简洁计算效率也更高，这也是你之前去掉该层后代码可正常运行的原因。

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