具有顺序数据的 Keras conv1D 的输入形状

Question

我想使用 Conv1D 将扩张卷积网络制作为顺序数据集。
所以我尝试使用 Boston 数据集进行 Conv1D。

from tensorflow.python.keras.layers import Conv1D, MaxPooling2D
from tensorflow.python.keras.layers import Activation, Dropout, Flatten, Input, Dense
from tensorflow.python.keras.models import Model
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

boston = load_boston()
df = pd.DataFrame(boston.data,columns=boston.feature_names)
df['target']= boston.target
y = df['target']
X = df.drop(columns=['target'])
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=2)

def NN_model(data= X_train):
  #data = np.expand_dims(data, axis=2)
  inputs = Input(((data.shape)))
  x = Conv1D(2,2,dilation_rate=2,padding="same", activation="relu")(inputs)
  x = Flatten()(x)
  x = Dense(2048, activation="relu")(x)
  predictions = Dense(1)(x)
  model = Model(inputs=inputs, outputs=predictions)
  model.compile(optimizer="adam",loss='mean_squared_error')
  model.summary()
  return model
nn_model = NN_model(X_train)

该模型没有错误，但是当我尝试时

nn_model.fit(X_train,y_train)

它出现了一个错误

ValueError: Error when checking input: expected input_1 to have 3 dimensions, but got array with shape (404, 13)

我在函数 NN_model 中添加了这一新行：

def NN_model(data= X_train):
  data = np.expand_dims(data, axis=2)

或者

def NN_model(data= X_train):
  data = np.reshape(X_train.values, (-1, data[1], 1))

但它在模型中引发了一个错误

ValueError: Input 0 of layer conv1d_1 is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, 404, 13, 1]

我应该怎么办？

Answer 1

问题在于如何定义输入形状。来自 keras 文档：

shape：形状元组（整数），不包括批量大小

这意味着输入层中的形状应该定义单个数据的形状，而不是整个训练数据集的形状。inputs = Input(((data.shape)))为您提供整个数据集大小，在本例中为 (404,13)。然而，您的每个样本实际上只是一个 13 长度的向量，因此您想要的形状是 (13,1)。

要获得所需的输入形状，您可以使用类似inputs = Input(((data.shape[1],1))). 这会忽略第一个维度（它给出样本数）。

您在重塑数据时尝试的修复实际上是您在训练之前需要采取的步骤。您需要 model.fit 的输入具有形状（样本数，13, 1），因此您需要重塑数据以匹配该形状，就像在示例中所做的那样：

X_train = np.expand_dims(X_train, axis=2)
nn_model.fit(X_train,y_train)

供将来参考，您遇到的第二个错误：

ValueError：层 conv1d_1 的输入 0 与该层不兼容：预期 ndim=3，发现 ndim=4。收到完整形状：[无、404、13、1]

告诉您您的输入大小不适合使用 Conv1D 层。这是因为 Conv1D 层需要 3 维输入。假设您使用的是通道最后格式（相对于通道在前），这将是（批次、步骤、通道）。即，第一个维度是批量大小，第二个维度是时间步数（在本例中为 13），第三个维度是通道数（在本例中为 1）。