【问题标题】：CNN archicture with keras带有 keras 的 CNN 架构
【发布时间】：2019-05-06 12:06:08
【问题描述】：

我正在处理 Python (keras) 的二进制分类问题。

我的CNN网络架构如下：

    def CNN():
      model = Sequential()
      model.add(Conv2D(64, kernel_size=(1, 3), activation='elu', padding='valid', input_size=(20,10, 1)))
      model.add(Conv2D(32, kernel_size=(1, 3), activation='elu', padding='valid'))
      model.add(Conv2D(16, kernel_size=(1, 3), activation='elu', padding='valid'))

      model.add(Flatten())
      model.add(Dense(512, activation='elu'))
      model.add(Dense(512, activation='sigmoid'))

现在我试图在表格中描述我的 CNN 架构：我有 200 列 200k 行的一维数据集。

批量大小 = 64

CNN 1 - 频道 64 CNN 2 - 频道 32 CNN 3 - 频道 16

FC1 - 500 个单位 FC2 - 1 个单位

这里我试图用表格描述架构（本节中的问题）

-- CNN1 -- CNN2 -- CNN3 -- FC1 -- FC2

Input_Shape-- 64* 64 * 200 * 1 -- 32* 64 * 200 * 1 -- 16* 64 * 200 * 1 -- 16*64*200*1*500 - 16*64*200*1 *500

Output_Shape -- 32* 64 * 200 * 1 - 16* 64 * 200 * 1 - 16* 64 * 200 * 1 - 16*64*200*1*500 -- 1

我很难定义我的网络的正确输入输出形状，寻求帮助。谢谢。

【问题讨论】：

标签： python keras conv-neural-network

【解决方案1】：

Keras 中用于图像分类的标准 CNN 的输入形状如下：

input_shape = ( batch_size , height , width , num_channels )

第一个Conv2D 层的输入形状为：

img_height = 20
img_width = 10
num_channels = 1

model.add(Conv2D(64, kernel_size=(1, 3), activation='elu', padding='valid', 
input_size=(img_height,img_width, num_channels)))

由于您正在执行二元分类，最后一个Dense 层将如下所示：

model.add(Dense(1, activation='sigmoid'))

另外，作为奖励，模型编译如下：

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

【讨论】：