学习一维的CNN，简单作个记录。

qq_20381661

已于 2023-03-02 10:07:32 修改

阅读量209

点赞数

分类专栏： CNN 文章标签：深度学习 python 人工智能

于 2023-03-02 09:45:28 首次发布

本文链接：https://blog.youkuaiyun.com/qq_20381661/article/details/129294526

版权

本文记录了一维卷积神经网络的学习过程，强调了输入数据的shape整理和输出层设置的重要性，特别是在处理二分类问题时，Dense层节点数应设为1，以防维度不匹配的错误。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习一维的CNN，简单作个记录。

输入的数据一定要整理好shape，最后的输出一定要与分类情况适应，比如二分类问题，最后的Dense的数量设为1，避免出现`logits` and `labels` must have the same shape,之类的维度问题。

def create_baseline():
    model = Sequential()
    model.add(Conv1D(16, 3, input_shape=(25, 1)))  
#第一个参数表示有16个卷积核，第二个参数表示每个卷积核大小为3，1个卷积核的输出为25-3+1=23，整体输出为23x16
    model.add(Conv1D(16, 3, activation='tanh'))
    model.add(MaxPooling1D(3))
    model.add(Conv1D(64, 3, activation='tanh'))
#     model.add(Conv1D(64, 3, activation='tanh'))
#     model.add(MaxPooling1D(3))
#     model.add(Conv1D(64, 3, activation='tanh'))
#     model.add(Conv1D(64, 3, activation='tanh'))
    model.add(MaxPooling1D(3))
    model.add(Flatten())
#    model.add(Dense(6, activation='softmax'))
    model.add(Dense(1, activation='softmax')) #对于二分类，最后一个Dense参数设为1
    plot_model(mo