层 conv1d 的输入 0 与该层不兼容：：预期 min_ndim=3，发现 ndim=2。收到完整形状：（无，30）

Question

我一直在研究一个使用时间序列数据与天气数据相结合来估计交通流量的项目。我的时间序列使用了 30 个值的窗口，并且使用了 20 个与天气相关的特征。我已经使用函数式 API 来实现此目的，但我不断收到相同的错误，并且我不知道如何解决它。我查看了其他类似的线程，例如这个层 conv1d_1 的输入 0 与该层不兼容：预期 ndim=3，发现 ndim=2。收到完整形状：[无，200]，但没有帮助。

这是我的模型，

series_input = Input(shape = (series_input_train.shape[1], ), name = 'series_input')
x = Conv1D(filters=32, kernel_size=5, strides=1, padding="causal", activation="relu")(series_input)
x = LSTM(32, return_sequences = True)(x)
x = LSTM(32, return_sequences = True)(x)
x = Dense(1, activation = 'relu')(x)
series_output = Lambda(lambda w: w * 200)(x)

weather_input = Input(shape = (weather_input_train.shape[1], ), name = 'weather_input')
x = Dense(32, activation = 'relu')(weather_input)
x = Dense(32, activation = 'relu')(x)
weather_output = Dense(1, activation = 'relu')(x)

concatenate = concatenate([series_output, weather_output], axis=1, name = 'concatenate')

output = Dense(1, name = 'output')(concatenate)

model = Model([series_input, weather_input], output)

series_input_train

和

weather_input_train

的形状分别为(34970, 30)和(34970, 20)。

我不断收到的错误就是这个，

ValueError: Input 0 of layer conv1d is incompatible with the layer: : expected min_ndim=3, found ndim=2. Full shape received: (None, 30)

我做错了什么？

老实说，我一直很难弄清楚输入的形状在 TensorFlow 中是如何工作的。如果您能指出正确的方向，我将不胜感激，但我现在需要的是修复我的模型。

Answer 1

正如 Tai-Lung 所说，卷积层的第一个连接需要 3 位形式。 序列上的 1D 卷积需要 3D 输入。换句话说，对于批次的每个元素，对于每个时间步，都有一个向量。 如果您希望步骤统一，您可以按如下方式解决问题：

---

series_input = 输入（形状 = (series_input_train.shape[1],1,)

和

---

x = Conv1D（过滤器= 32，kernel_size = 5，strides = 1，padding =“因果”，激活=“relu”，input_shape = [无，series_input]）

Answer 2

问题

3+D 张量，形状：batch_shape + (steps, input_dim) https://keras.io/api/layers/convolution_layers/volving1d/

解决方案

您没有指定“steps”参数。
如果“steps”为1，请使用以下代码：

import numpy as np
series_input_train = np.expand_dims(series_input_train, axis=1)
weather_input_train = np.expand_dims(weather_input_train, axis=1)    

Answer 3

我一直有这个问题。 检查提到的链接：https://keras.io/api/layers/volving_layers/volving1d/

Conv1D 层的输入形状应为 A 3D 张量，形状为：(batch_shape,steps,channels)（如果是channels_last），（channels,steps,batch_shape）（如果是channels_first）。