重塑使用 timeseries_dataset_from_array 预处理的 Tensorflow 数据集

Question

注意：我已经阅读了How to reshape BatchDataset class tensor?，但解决方案不适用于此处。

如中所述，我需要从形状矩阵 (10000, 2000) 训练一个形状为 (16, 2000) 的所有滑动 windows 的神经网络。（我的另一个post是100k，但是这里10k就可以了）。

import tensorflow
import numpy as np
X = np.array(range(20000000)).reshape(10000, 2000)  
X = tensorflow.keras.preprocessing.timeseries_dataset_from_array(X, None, 16, sequence_stride=1, sampling_rate=1, batch_size=32)
for b in X:
    print(b)  # Tensor of shape (32, 16, 2000)
    break

问题是我需要将它输入一个模型，该模型需要一个 (..., 16, 2000, 1) 形状。

model = Sequential()
model.add(Conv2D(16, kernel_size=(9, 9), activation='relu', input_shape=(16, 2000, 1), padding='same'))
...
model.fit(X, Y, epochs=8)

我试过了

X = tensorflow.reshape(X, (-1, 16, 2000, 1))

没有成功。

如何做到这一点，即输出形状为 (..., 16, 2000, 1) 的 timeseries_dataset_from_array?

Answer 1

要对 tf.data.Dataset 的每个元素应用转换，您应该使用 tf.data.Dataset.map function. In your case, you could define the function with a lambda, using tf.expand_dims:

ds = tensorflow.keras.preprocessing.timeseries_dataset_from_array(X, None, 16, sequence_stride=1, sampling_rate=1, batch_size=32)
ds_correct_shape = ds.map(lambda x: tf.expand_dims(x,axis=-1))

如果我们检查第一个元素的形状：

>>> for elem in ds_correct_shape.take(1):
        print(f"{elem.shape=}")
elem.shape=TensorShape([32, 16, 2000, 1])

重塑使用 timeseries_dataset_from_array 预处理的 Tensorflow 数据集

Reshape a Tensorflow dataset preprocessed with timeseries_dataset_from_array

python

numpy

tensorflow

keras

sliding-window