Keras Convolution1D 输入形状

Question

我正在尝试构建一个简单的卷积神经网络：

• 340 个样本，
• 每个样本 260 行
• 每行 16 个特征。

我认为形状的顺序是 (batch_size, steps, input_dim)，这意味着 (340, 16, 260) 我相信。

当前代码：

model = Sequential()
model.add(Conv1D(64, kernel_size=3, activation='relu', input_shape=(340, 16, 260)))
# model.add(Conv2D(64, 2, activation='relu'))
model.add(MaxPooling1D())
# model.add(Conv2D(128, 2, activation='relu'))
model.add(Conv1D(64, kernel_size=3, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dense(1, activation='linear'))

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

model.summary()

model.fit(xTrain, yTrain, batch_size=16, epochs=1000)

我收到一个错误：

ValueError: Input 0 is in compatible with layer conv1d_1: expected ndim=3, found ndim=4

我很迷茫，我相信我的形状不正常。有人可以帮我吗？ 谢谢！

Answer 1

如this answer 中所述，Keras 中的层接受两个参数：input_shape 和 batch_input_shape。区别在于input_shape 不包含批量大小，而batch_input_shape 是完整的输入形状，包括批量大小。

基于此，我认为规范 input_shape=(340, 16, 260) 告诉 keras 期望 4 维输入，这不是您想要的。正确的参数是batch_input_shape=(340, 16, 260)。