Conv1D层Keras的input_shape

js81xvg6 于 12个月前发布在其他

关注(0)|答案(3)|浏览(160)

我正在尝试为非图像数据集的二进制分类创建CNN模型。我的模型/代码正在工作并产生非常好的结果（精度很高），但我无法理解Conv1D第一层的input_shape参数。
X或输入（这里是x_train_df）的形状是（2000，28）。它有28个特征和2000个样本。Y或标签（这里是y_train_df）的形状是（2000，1）。

model = Sequential()
model.add(Conv1D(filters = 64, kernel_size = 3, activation = 'relu', input_shape = (x_train_df.shape[1], 1)))
model.add(Conv1D(filters = 64, kernel_size = 3, activation = 'relu'))
model.add(MaxPooling1D(pool_size = 2))
model.add(Flatten())
model.add(Dense(100, activation = 'relu'))
model.add(Dense(1, activation = 'sigmoid'))

optimzr = Adam(learning_rate=0.005)
model.compile(loss='binary_crossentropy', optimizer=optimzr,  metrics=[[tf.keras.metrics.AUC(curve="ROC", name = 'auc')], [tf.keras.metrics.AUC(curve="PR", name = 'pr')]])

# running the fitting
model.fit(x_train_df, y_train_df, epochs = 2, batch_size = 32, validation_data = (x_val_df, y_val_df), verbose = 2)

字符串
我给input_shape作为（28，1）（引用this question）。
但在Conv1D layer documentation中写道，
当使用此层作为模型中的第一层时，提供一个input_shape参数（整数元组或None，例如（10，128），用于128维向量的10个向量的序列。
我从中理解到的是，input_shape的维数应该是（2000，1），因为我有2000个一维向量。但是将其设为input_shape会显示错误，
ValueError：图层“sequential_25”的输入0与图层不兼容：预期形状=（None，2000，1），发现形状=（None，28）

所以我的问题是正确的input_shape应该是什么？

keras

来源：https://stackoverflow.com/questions/70062410/input-shape-of-conv1d-layer-keras

3条答案

按热度按时间

kuarbcqp1#

让我们来看看“Conv1D”如何接受输入。

>>> # The inputs are 128-length vectors with 10 timesteps, and the batch size
>>> # is 4.
>>> input_shape = (4, 10, 128)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.Conv1D(
... 32, 3, activation='relu',input_shape=input_shape[1:])(x)
>>> print(y.shape)
    (4, 8, 32)

字符串
带形状的3+DTensor：batch_shape +（steps，input_dim）
As seen above，有128个特征，10个时间步，批量大小为4。因此，Conv1D将输入作为（batch_size，timesteps，features）。它将输入3D。假设您为案例选择批量大小为1。您必须提供给予输入，如（1，2000，28）。

赞(0）回复(0）举报 12个月前

uoifb46i2#

我也使用CNN-Conv 1D处理非图像数据集。我有188个特征。所以我对我的输入做了以下操作：X_train = np.reshape（X_train，（X_train.shape[0]，X_train.shape[1]，1））

在初始化RNN时

model.add（Reshape（（188，1），input_shape（X_train[1]，1））
因此输入形状（无，188，1）
这对我来说很有用，我得到了97%的训练和91%的测试数据与真实的数据。

赞(0）回复(0）举报 12个月前

ws51t4hk3#

我在尝试实现Wavenet时遇到了这个问题，其中的音频功能是音频样本的一维数组。示例代码给出了以下错误：

x = tf.keras.Input((64000,), BATCH_SIZE)
y = tf.keras.layers.Conv1D(1, 1)(x)
model = Model(x, y)

字符串
x.shape这里是(BATCH_SIZE,64000)或者在我的例子中是(100,64000)
错误消息指示min_ndim=3但ndim=2。
我通过将1附加到输入层的形状来解决这个问题：

x = tf.keras.Input((64000,1,), BATCH_SIZE)
y = tf.keras.layers.Conv1D(1, 1)(x)
model = Model(x, y)

型
现在x的形状是(100,64000,1)，Conv1D吃掉了它。
这反映了音频样本等同于单个“通道”的观点（与计算机视觉上下文相比）。因此，通过假装音频数据实际上是单色图像数据，Tensorflow的神就被安抚了，在所有时间周期中带来了美味指标的良好收获。

赞(0）回复(0）举报 12个月前

我来回答

Conv1D层Keras的input_shape

3条答案

在初始化RNN时

相关问题

热门标签

最新问答