生成keras卷积神经网络回归模型，要求输入数据是一维

的数组，输出数据也是一维的数组。

from keras.models import Sequential
from keras.layers import Dense, Conv1D, MaxPooling1D, Flatten

model = Sequential()
model.add(Conv1D(32, 3, activation='relu', input_shape=(None, 1)))
model.add(MaxPooling1D(2))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(2))
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dense(1))

model.compile(optimizer='adam', loss='mse')
model.summary()

解释：

- `Conv1D`层：一维卷积层，可以提取输入数据的一维特征。
- `MaxPooling1D`层：一维最大池化层，可以降低特征图的大小，减少计算量。
- `Flatten`层：将多维的特征图展平成一维的向量。
- `Dense`层：全连接层，可以将特征向量映射成输出值。
- `compile`方法：定义模型的优化器和损失函数。
- `summary`方法：输出模型的结构信息。