conv2d的输入_Keras中Conv2D的输入不正确

我正在尝试使用python中的深度学习来分析EEG数据。不幸的是，我也是python的新手，所以试图找到最简单的工具。这导致我去了Keras。

更确切地说，我正在尝试实现以下管道：

到目前为止，我似乎被困在“S1”或“C2”附近。到目前为止的想法是：

输入EEG数据部分(我现在将使用1 x 6000)

通过20个1D过滤器(1x200)运行它

使用池20，步幅10(产生20个1x578数据点)对每个过滤器的输出进行最大池化

将其“堆叠”成20 x 578矩阵

通过内核大小为20 x 30的2D卷积运行

但是，下面的代码给出了以下错误：

model = Sequential()

model.add(Conv1D(input_shape=(1,6000), kernel_size=200,strides=1,

activation='sigmoid',filters=20))

model.add(MaxPooling1D(pool_size=20, strides=10,padding='same'))

model.add(Conv2D(filters=400,kernel_size=(20,30),strides=(1,1),activation='sigmoid'))

输出：

ValueError: Input 0 is incompatible with layer conv2d_4: expected ndim=4, found ndim=3

我确信这是一个微不足道的错误，但通过keras文档并没有让我更聪明。

我意识到上面跳过了“堆叠”程序，但我能找到的最接近的东西是Concatenate，而且只是抱怨我没有给它任何输入。

我正在使用theano 0.9.0.dev和keras 2.0.2