具有 Maxpooling1D 和 channel_first 的 Keras 模型

Question

我目前尝试在 Keras 中为时间序列分类构建顺序模型时遇到问题。我想使用 channels_first 数据，因为从每个处理的角度来看它更方便（不过我只使用一个通道）。这适用于我正在使用的 Convolution1D 层，因为我可以指定 data_sample='channels_first'，但不知何故这不适用于 Maxpooling1D，它似乎没有此选项.

我要构建的模型结构如下：

model = Sequential()
model.add(Convolution1D(filters=16, kernel_size=35, activation='relu', input_shape=(1, window_length), data_format='channels_first'))
model.add(MaxPooling1D(pool_size=5)
model.add(Convolution1D(filters=16, kernel_size=10, activation='relu', data_format='channels_first'))
[...] #several other layers here

使用 window_length = 5000 添加所有三层后，我得到以下摘要：

_________________________________________________________________
Layer (type)                 Output Shape              Param #  
=================================================================
conv1d_1 (Conv1D)           (None, 32, 4966)          1152     
_________________________________________________________________
max_pooling1d_1 (MaxPooling1 (None, 4, 4966)           0        
_________________________________________________________________
conv1d_2 (Conv1D)           (None, 16, 4957)          656      
=================================================================
Total params: 1,808
Trainable params: 1,808
Non-trainable params: 0

现在，我想知道这是否正确，因为我预计池化层会减少第三维（即特征图中的神经元数量）而不是第二维（即过滤器数量）？正如我所见，MaxPooling1D 不识别 channels_first 排序，而 Keras documentation 表示 MaxPooling2D 存在关键字 data_format，但没有这样的关键字MaxPooling1D.

我用 channels_last 数据格式测试了整个设置，结果如我所料。但由于从 channels_first 到 channels_last 的转换对我来说需要相当长的时间，所以我真的更愿意使用 channels_first 进行这项工作。而且我觉得我只是错过了一些东西。

如果您需要更多信息，请告诉我。

Answer 1

更新：, the data_format argument is now supported in MaxPooling layers as a result of this PR.

好吧，一种替代方法是使用 Permute 层（并删除第二个 conv 层的 channels_first）：

model = Sequential()
model.add(Convolution1D(filters=16, kernel_size=35, activation='relu', input_shape=(1, 100), data_format='channels_first'))
model.add(Permute((2, 1)))
model.add(MaxPooling1D(pool_size=5))
model.add(Convolution1D(filters=16, kernel_size=10, activation='relu'))

model.summary()

模型摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_7 (Conv1D)            (None, 16, 66)            576       
_________________________________________________________________
permute_1 (Permute)          (None, 66, 16)            0         
_________________________________________________________________
max_pooling1d_2 (MaxPooling1 (None, 13, 16)            0         
_________________________________________________________________
conv1d_8 (Conv1D)            (None, 4, 16)              2096      
=================================================================
Total params: 2,672
Trainable params: 2,672
Non-trainable params: 0
_________________________________________________________________

具有 Maxpooling1D 和 channel_first 的 Keras 模型

Keras Model with Maxpooling1D and channel_first

python

machine-learning

conv-neural-network

keras

max-pooling