Input_shape的Conv1D层Keras

Question 1

我想做个有线电视新闻网模型的二进制分类的一个非图像数据集。我的模型/代码的工作和产生效果非常好(精度很高)，但我无法理解的 input_shape 参数用于第1层的 Conv1D.

形状的X或输入(这里 x_train_df)是(2000年，28)中。它有28个功能和2000年的样本。和形状Y或标签(这里 y_train_df)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)

我已经给了 input_shape 作为(28,1)(采取参考这个问题).

但在 Conv1D层的文件是书面的，

在使用这一层的第一层在一个模型，提供了一个 input_shape参数(tuple整数，或者没有，例如(10,128)为序列的 10矢量的128维矢量.

我理解这是维input_shape应(2000年1)，因为我有2000年的一个维矢量。但是给予此作 input_shape 显示了一个错误，

Valueerror异常:0输入的层"sequential_25"不符合层：预期状=(没有，2000年，1)，发现状=(没有，28)

所以我的问题是什么应该是正确的 input_shape?

Question 2

让我们来看看如何"Conv1D"发生输入。

>>> # 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)

3+D张与形状：batch_shape+(步骤，input_dim)

由上可见，有128个特点，10个步长和大批的4. 因此，Conv1D需的输入(batch_size,步长、特征). 它需要3D输入。让我们说你选择的批大小为1你的情况。你得输入等(1,2000,28).

dasmehdix · Answer 1 · 2021-11-22T08:00:37

让我们来看看如何"Conv1D"发生输入。

>>> # 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)

3+D张与形状：batch_shape+(步骤，input_dim)

由上可见，有128个特点，10个步长和大批的4. 因此，Conv1D需的输入(batch_size,步长、特征). 它需要3D输入。让我们说你选择的批大小为1你的情况。你得输入等(1,2000,28).

使输入作为(1,2000,28)由一个错误 ValueError: logits and labels must have the same shape, received ((None, 1) vs (None, 2000)). 所以我改变了的形状(2000年，28,1) x_train_df 和(2000,1,1) y_train_df 如图所示，在这个和这一工作。我混淆了这一点。这将是非常有益的，如果你能解释如何修改代码在这个问题。

Input_shape的Conv1D层Keras

的问题

最好的答案

其他语言

此页面有其他语言版本

受欢迎的此类别

流行的问题，在这个类别