Conv 1d 及其输入

Question

我有一个形状为 (273, 168) 的 numpy 数组，所以有 273 个样本，每个样本有 168 个观察值。

我想要输出 273 数组，包含 24 个观测值。

为什么我的代码给我一个模糊差异的问题？

x = np.random.randint(0,1,(273,168))
y = np.random.randint(0,1,(273,24))


model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv1D(7, activation='relu', kernel_size=(3), input_shape=(168,273)))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(24))


model.compile(loss=tf.losses.MeanSquaredError(),
            optimizer=tf.optimizers.Adam(),
            metrics=[tf.metrics.MeanAbsoluteError()])

model.fit(x,y))

model.predcit(x[42])

谁能帮帮我？

Answer 1

如果你检查你得到的错误信息，你可以看到所需的维数是 3，你传递的只是 2（[=20=]，n_features），你需要重塑您使用 .reshape(n_samples, 1, n_features) 的数据您的 input_shape 也不正确。

最后，您需要设置padding='same'，否则您的输入数据将超出维度。（您可以尝试运行而不将 padding 设置为相同，看看会出现什么错误）

此代码有效：

x = np.random.randint(0,1,(273,168)).reshape(273, 1, 168)
y = np.random.randint(0,1,(273,24)).reshape(273, 1, 24)

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv1D(7, activation='relu', kernel_size=(3), padding='same', input_shape=(1,168)))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(24))


model.compile(loss=tf.losses.MeanSquaredError(),
            optimizer=tf.optimizers.Adam(),
            metrics=[tf.metrics.MeanAbsoluteError()])

model.fit(x,y)

Conv 1d 及其输入

Conv 1d and its input

python

tensorflow

keras

conv-neural-network

keras-layer