如何在 Keras 中重塑 Conv1D 的输入层？答案

【问题标题】：How do I reshape input layer for Conv1D in Keras?如何在 Keras 中重塑 Conv1D 的输入层？
【发布时间】：2020-06-30 08:12:33
【问题描述】：

我已经查看了各种回复，但我不明白为什么我不断得到 (10, 5)。

为什么要求 (10,5) 的形状？它甚至从哪里得到这个数字？我的印象是输入数据的形状应该是 ("sample_size", "steps or time_len", "channels or feat_size") => (3809, 49, 5)。

我也觉得 Conv1D 层的输入形状应该是（“steps or time_len”，“channels or feat_size”）。

我是不是误会了什么？

我的输入数据如下所示：

总共有 49 天，每天 5 个数据点。总共有 5079 个样本量。 75% 的数据用于训练，25% 用于验证。 10 个可能的预测输出答案。

x_train, x_test, y_train, y_test = train_test_split(np_train_data, np_train_target, random_state=0)
print(x_train.shape)
x_train = x_train.reshape(x_train.shape[0], round(x_train.shape[1]/5), 5)
x_test = x_test.reshape(x_test.shape[0], round(x_test.shape[1]/5), 5)
print(x_train.shape)
input_shape = (round(x_test.shape[1]/5), 5)

model = Sequential()
model.add(Conv1D(100, 2, activation='relu', input_shape=input_shape))
model.add(MaxPooling1D(3))
model.add(Conv1D(100, 2, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dropout(0.5))
model.add(Dense(49, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    
model.fit(x_train, y_train, batch_size=64, epochs=2, validation_data=(x_test, y_test))
print(model.summary())

我收到此错误：打印出层

【问题讨论】：

stackoverflow.com/questions/36992855/…

标签： tensorflow machine-learning keras conv-neural-network tf.keras

【解决方案1】：

你被 5 除两次。在这里，您正在重塑您的数据，这与其他答案所说的相反：

x_train = x_train.reshape(x_train.shape[0], round(x_train.shape[1]/5), 5)
x_test = x_test.reshape(x_test.shape[0], round(x_test.shape[1]/5), 5)

这已经处理了“将时间除以 5”。但是在这里你定义了模型的输入形状，再次除以 5：

input_shape = (round(x_test.shape[1]/5), 5)

简单使用

input_shape = (x_test.shape[1], 5)

相反！注意，因为这个形状是在reshape之后调用的，所以它已经引用了正确的形状，时间维度除以5。

【讨论】：

哇，我真是个白痴。你说的对。我以为我要疯了

【解决方案2】：

您正在使用Conv1D，但尝试通过重塑以二维形式表示您的数据 - 这会产生问题。尝试通过重塑跳过部分，因此您的输入将是 1 行，包含 49 个值：

x_train, x_test, y_train, y_test = train_test_split(np_train_data, np_train_target, random_state=0)
print(x_train.shape)
input_shape = (x_test.shape[1], 1)

model = Sequential()
model.add(Conv1D(100, 2, activation='relu', input_shape=input_shape))
model.add(MaxPooling1D(3))
model.add(Conv1D(100, 2, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dropout(0.5))
model.add(Dense(49, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=64, epochs=2, validation_data=(x_test, y_test))

【讨论】：

这是不正确的。他们正在将数据重塑为 3D、批次 x 时间 x 特征，这是Conv1D 所需的格式。
@xdurch0 我也有这种印象（conv1d 必须用“2d”表示，conv2d 必须用“3d”表示）