ValueError：检查输入时出错：期望conv1d_81_input具有形状（177,100）但是具有形状的数组（1,177）

Question

我的代码中出现此错误，任何人都可以帮助我吗？ 如何固定输入数组以满足输入形状？

我的数据是：{来自参考的原始数据集包含5个不同的文件夹，每个文件夹有100个文件，每个文件代表一个主题/人。 每个文件记录了23.6秒的大脑活动。 相应的时间序列被采样到4097个数据点中。 每个数据点是在不同时间点的EEG记录的值。 因此，我们共有500个人，每个人有4097个数据点，持续23.5秒。

我们将每4097个数据点分割并混洗成23个块，每个块包含178个数据点1秒，每个数据点是在不同时间点记录的EEG值。 所以现在我们有23 x 500 = 11500条信息（行），每条信息包含178个数据点1秒（列），最后一列代表标签y {1,2,3,4,5}。 }

cvacc =[]
j=0
kf=KFold(n_splits=10, random_state=None, shuffle=False)
for train_index, test_index in kf.split(X):
    print('\nFold ',j)
    X_train, X_test = X[train_index], X[test_index] 
    y_train, y_test = y[train_index], y[test_index]

    # create model
    # 1D CNN neural network
    model = Sequential() 
    model.add(Conv1D(filters=10, kernel_size=10,             
    strides=1,activation='relu', input_shape=(3450,177)))
    model.add(Conv1D(filters=10, kernel_size=10, strides=1))
    model.add(MaxPooling1D(2))
    model.add(Conv1D(30,10,activation='relu', strides=1))
    model.add(Conv1D(30,10,activation='relu', strides=1))
    model.add(MaxPooling1D(2))
    model.add(Conv1D(60,10,activation='relu', strides=1))
    model.add(Conv1D(60,10,activation='relu', strides=1))
    model.add(MaxPooling1D(2))
    model.add(Conv1D(90,10,activation='relu', strides=1))
    model.add(Conv1D(90,10,activation='relu', strides=1))
    model.add(MaxPooling1D(2))
    model.add(Conv1D(120,10,activation='relu', strides=1))
    model.add(Conv1D(120,10,activation='relu', strides=1))
    model.add(MaxPooling1D(2))
    model.add(Flatten())
    model.add(Dense(50))
    model.add(Dense (20))
    model.add(Dense (5,activation='softmax'))
    # print(model.summary())

    model.compile(loss='categorical_crossentropy',
          optimizer='adam',
          metrics=['accuracy'])

    print(X_train.shape)
    print(X_test.shape)
# X_train= 
np.reshape(X_train(X_train.shape[0],X_train.shape[1],X_train.shape[1]))

history=model.fit(X_train, y_train, batch_size=3, 
epochs=15,validation_split=0.1)

Answer 1

加。 到doc https://keras.io/layers/convolutional/ ，你的输入应该是一个3D张量的形状(batch_size, steps, input_dim)其中batch_size是批处理中的系列数， steps是时间步数该系列， input_dim是系列中一个步骤的尺寸。 对你来说， steps = 178 。

尝试将模型中的第一行更改为：

model.add(Conv1D(filters=10, kernel_size=10,             
    strides=1,activation='relu', input_shape=(178, 1)))

（我们不需要提及batch_size值。在训练之前可以保持不确定。）

您的训练数据必须满足这些维度。 X_train.shape应为(*, 178, 1) X_train.shape (*, 178, 1)

注意：由于图层不正确，您将收到更多错误。 在第三个汇集层之后，步数将为6，并且下一个卷积层的stride为10（> 6），并将产生错误。 您必须重新配置图层。