1次元畳み込みの学習モデルの作り方がわからない

前提・実現したいこと

256個のデータから0~1の1つの値を出力する学習モデルを作っています。
色々調べてみて、
https://qiita.com/niisan-tokyo/items/a94dbd3134219f19cab1
こちらのリンクに書かれていることが一番近いのでこれをベースに作ることにしました。
リンク先では64個の入力データから16個の出力データを得ていますが、これを256個の入力、1個の出力にするにはどうすれば良いのでしょうか？
説明を見る感じMaxPooling1Dで次元数を合わせていますが、256個を1つにしようとすると結構な数を使う必要があります。また、入力を128個だったり512個だったりに変えるたびにMaxPooling1Dを書き換えるのもかなりの手間です。

    model.add(Conv2D(16,(3,3),input_shape=(img_y,img_x,3)))
    model.add(Activation("relu"))
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Flatten())
    model.add(Dense(64))
    model.add(Activation("relu"))
    model.add(Dense(2))
    model.add(Activation("softmax"))

例えば画像分類では上記のようにDenseで出力次元を調整していますが、これを1次元の畳込みでやろうとするとどうもエラーが発生してしまいます。
1次元のCNNではどのように出力次元数を調整するのでしょうか？
また、リンク先にある学習モデルにはDenseがありませんがコレは問題ないのでしょうか？
Conv1Dのフィルターについてもいまいち理解しておらず、どのような値を設定すれば良いのかもよくわかりません。
この3点について教えていただけると幸いです。

発生している問題・エラーメッセージ

ValueError: Error when checking target: expected activation_3 to have shape (128, 1) but got array with shape (1, 1)

該当のソースコード

model.add(Conv1D(128,8, padding='same', input_shape=(入力シーケンス長, 1), activation='relu'))
    model.add(Activation("relu"))
    model.add(MaxPooling1D(2, padding='same'))
    model.add(Dense(64))
    model.add(Activation("relu"))
    model.add(Dense(1))
    model.add(Activation("tanh"))

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

行動規範の内容に同意します

回答1件

ベストアンサー

output_data は np.reshape() をしない

python
1train_Y = output_data

Dense(64) の前に Flatten() を追加

python
1model.add(Conv1D(128,8, padding='same', input_shape=(256, 1), activation='relu'))
2model.add(MaxPooling1D(2, padding='same'))
3model.add(Flatten())
4model.add(Dense(64))
5model.add(Activation("relu"))
6model.add(Dense(1))
7model.add(Activation("tanh"))