我正在尝试将输入分类到不同的类别中。
数据的形状如下：
df_train.shape: (17980, 380)df_validation.shape: (17980, 380)然而，当我运行代码时，出现了以下错误：
ValueError: 层conv1d的输入0与层不兼容：期望的最小维度数为3，但发现的维度数为2。接收到的完整形状为：[32, 380]我们如何修复这个错误？
回答：
Conv1D接受的输入形状为：
3+维张量，形状为：batch_shape + (steps, input_dim)
如果你的数据只有2维，可以添加一个虚拟维度：
df_train = df_train[..., None]df_validation = df_validation[..., None]同时相应地修改batch_input_shape=(32, 1, 380)为：batch_input_shape=(32, 380, 1)，或者完全省略它
其他更改（基于这个虚拟数据）：
df_train = np.random.normal(size=(17980, 380))df_validation = np.random.normal(size=(17980, 380))df_train = df_train[..., None]df_validation = df_validation[..., None]y_train = np.random.normal(size=(17980, 1))y_validation = np.random.normal(size=(17980, 1))#train,test = train_test_split(df, test_size=0.20, random_state=0) batch_size=32epochs=5 model = Sequential()model.add((Conv1D(filters=5, kernel_size=2, activation='relu', padding='same')))model.add((MaxPooling1D(pool_size=2)))model.add(LSTM(50, return_sequences=True))model.add(LSTM(10))model.add(Dense(1))adam = optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0)model.compile(optimizer=adam, loss='mse', metrics=['mae', 'mape', 'acc'])callbacks = [EarlyStopping('val_loss', patience=3)]model.fit(df_train, df_validation, batch_size=batch_size)print(model.summary())