尝试为 2 个昏暗输入创建卷积层但未成功

Question

我正在完成我的第一个学位研究的期末项目。简而言之，我正在使用 772 个训练声音文件，每个声音文件都有 327 个声音特征系数，称为 mfcc，所以我的 x_training 输入是 - 772*327。

我问我推荐使用什么型号，我得到了答复 -

在 MFCC 上尝试 CNN（添加 4 个左右的 CNN 层，然后是 Max Pooling）-> Flatten -> Dense Layers 这是一个非常通用的架构，适用于这种性质的大多数任务 – Iordanis 2 天前

所以我尝试使用 tensorflow 创建它 -

model = tf.keras.models.Sequential([
     tf.keras.layers.Conv2D(filters=64, kernel_size=3, activation='relu', input_shape=(x_train.shape[1:])),
     tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
     tf.keras.layers.Flatten(),
     tf.keras.layers.Dense(32, activation='relu')
])

（整数值是完全随机的）

当 x_train.shape[1:] 为 327 时（每个声音文件中 mfcc 系数的数量）

但不幸的是它对我不起作用，它写道 -

ValueError: Input 0 of layer conv2d is incompatible with the layer: expected ndim=4, found ndim=2. Full shape received: [None,
312]

我尝试将抽搐层降低到 1D，但它也不起作用（只是将错误更改为例外 3d 而不是 4d）

有人知道我该怎么办...

对不起我的英语，如果是愚蠢的问题，我很抱歉，我对 tensorflow 很陌生 :)

编辑：

我做了以下事情，但现在写给我：

TypeError：将形状转换为 TensorShape 时出错：int() 参数必须是字符串、类似字节的对象或数字，而不是“元组” 在密集层上

x_train.reshape((-1, 1))
x_test.reshape((-1, 1))
model = tf.keras.models.Sequential([
     tf.keras.layers.Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(x_train.shape[1:], 1)),
     tf.keras.layers.MaxPooling1D(pool_size=2),
     tf.keras.layers.Flatten(),
     tf.keras.layers.Dense(32, activation='relu'),

我也做到了：

x_train.reshape((-1, 1))
x_test.reshape((-1, 1))
model = tf.keras.models.Sequential([
     tf.keras.layers.Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(x_train.shape[1:])),
     tf.keras.layers.MaxPooling1D(pool_size=2),
     tf.keras.layers.Flatten(),
     tf.keras.layers.Dense(32, activation='relu'),

但之前得到了错误 -

ValueError: 层 conv1d 的输入 0 与层不兼容： 预期 ndim=3，发现 ndim=2。收到的完整形状：[无，312]

Answer 1

由于您的训练数据只有一个特征维度，因此请使用 Conv1D 而不是 Conv2D。然后您的输入具有像(?, x, 1) 这样的 3d 形状，其中第一个维度将是批量大小，第二个维度是特征，最后一个包含值本身。 所以尝试先通过

重塑你的数据

x_train = x_train.reshape(np.append(x_train.shape, 1))

和input_shape=(x_train.shape[1:]) 应该可以正常工作。

请注意，之后您还必须将池更改为MaxPooling1D！