重塑一维 CNN 训练和验证数据的问题

Question

我想在 physioNet2017 ECG 数据上训练 1D CNN。训练数据中的每一行都是可变长度的，即有些行有 9000 列长，有些有 18286 列长。为了使它们具有相同的长度，我在每一行中填充了零，最大长度为 18286。现在我有 20200 行，每行长 18286 列，所以数据形状是 (20200, 18286)。现在我想重塑这些数据以训练一维 CNN。我使用以下代码将数据拆分为训练和验证。

Xt, Xv, Yt, Yv = train_test_split(trainX_bal, trainY_bal, random_state=42, test_size=0.2)
print("Train shape: ", Xt.shape)
print("Valdation shape: ", Xv.shape)

我有输出：火车形状：（16160、18286）验证形状：(4040, 18286)

现在我已经使用以下代码重塑了训练和验证数据：

samples_train = list()
samples_val = list()
samples_test = list()
length = 8
for i in range(0,Xt.shape[0],length):
 sample = Xt[i:i+length]
 samples_train.append(sample)
for i in range(0,Xv.shape[0],length):
 sample_val = Xv[i:i+length]
 samples_val.append(sample_val)

data = np.array(samples_train).astype(np.float32)
data_val = np.array(samples_val).astype(np.float32)

print("Training new shape: ", data.shape)
print("Validation new shape: ", data_val.shape)

Xt_cnn = data.reshape((len(samples_train), length, data.shape[2]))
Xv_cnn = data_val.reshape((len(samples_val), length, data_val.shape[2]))

Yt = to_categorical(Yt, num_classes=4)
Yv = to_categorical(Yv, num_classes=4)

输出是：训练新形状：(2020, 8, 18286) 验证新形状：(505, 8, 18286)

现在我使用以下代码将这些数据拟合到 CNN 模型中：

mod = cnn_model(Xt_cnn)
cnn_history = mod.fit(Xt_cnn, Yt, batch_size=64, validation_data = (Xv_cnn, Yv), 
                       epochs=20)

我收到这个错误。 Error

Answer 1

你的重塑是错误的。您正在更改样本数量，因此您的数据变得与您的标签不兼容。据我了解，您正在尝试将 (1,18286) 重塑为 (8,18286/8) 值，这是不可能的，因为 18286/8=2285,75。如果你增加你的填充并制作形状 18288 那么它就成为可能，因为 18288/8=2286（因为它是一个整数）。

您可以按照以下伪代码进行重塑：

Arr=[]
for samp in range(number_of_samples):
    new_array=Xt[samp,:].reshape(8,2286)
    Arr.append(new_array)

Arr=np.array(Arr)

Arr的形状变成了(number_of_samples,8,2886)

重塑一维 CNN 训练和验证数据的问题

Problem in reshaping train and validation data for 1D CNN

python

conv-neural-network

lstm

keras

tensorflow