Keras：一维输入的卷积层

Question

我无法为一维输入向量构建 CNN。

输入值示例：

df_x.iloc[300]
Out[33]:
0     0.571429
1     1.000000
2     0.971429
3     0.800000
4     1.000000
5     0.142857
6     0.657143
7     0.857143
8     0.971429
9     0.000000
10    0.000000
11    0.000000
12    0.000000
13    0.000000
14    0.000000
15    0.000000
Name: 300, dtype: float64

输出值示例：

df_y.iloc[300]
Out[34]:
0     0.571429
1     0.914286
2     1.000000
3     0.971429
4     0.800000
5     1.000000
6     0.914286
7     0.942857
8     0.800000
9     0.657143
10    0.857143
11    0.971429
12    0.000000
13    0.000000
14    0.000000
15    0.000000
16    0.000000
17    0.000000
18    0.000000
19    0.000000
20    0.000000
21    0.000000
22    0.000000

我有 15k 个训练示例。

df_x.shape
Out[28]:
(15772, 16)

df_y.shape
Out[29]:
(15772, 23)

我当前的型号：

model = Sequential()
model.add(Conv2D(5, df_x.shape[1], input_shape=(5, 1)))
model.add(Dense(46, activation='relu'))
model.add(Dense(56, activation='relu'))
model.add(Dense(66, activation='relu'))
model.add(Dense(56, activation='relu'))
model.add(Dense(46, activation='relu'))
model.add(Dense(df_y.shape[1], activation='relu'))

# compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# Fit the model
model.fit(df_x, df_y, epochs=5, batch_size=10)

我想构建模型，其中第一层将是转换大小(5,1)、5 个过滤器和输入形状df_x.shape[1], 1。

我有一个错误：

ValueError: Input 0 is incompatible with layer conv2d_10: expected ndim=4, found ndim=3

您能解释一下如何为一维输入值构建 CNN 吗？

Answer 1

你应该使用Conv1D而不是Conv2D为此。

Conv2D之所以被命名为二维，是因为它是为处理图像而设计的。然而，输入Conv2D实际上是4 维的- (batch, width, height, channels); 可以channels用于3RGB 或1灰度图像。这就是 keras 抱怨的原因：

ValueError：输入 0 与层 conv2d_10 不兼容：预期 ndim=4，发现ndim=3

Conv1D接受3 维输入，这正是您所拥有的（前提是将您的扩展df_x到(15772, 16, 1)）。此外，input_shape参数必须与每行的大小相匹配。尝试这个：

model.add(Conv1D(5, 5, input_shape=(df_x.shape[1], 1)))