如何在 Keras 中为一维 CNN 格式化一维时间序列数组

Question

我在尝试为一维化学反应数据数组训练一维 CNN 时遇到了麻烦。我的数据是 (21000, 1)，其中每个样本都被标记为三个类别之一。我已按如下方式重塑了我的 X_train。

X_train = X_train.reshape(21000, 1, 1)

下面是我的第一个 CNN 层。

model.add(layers.Conv1D(filters=64, kernel_size=2, activation='relu',
                        input_shape=(21000, 1)))
model.add(layers.MaxPooling1D(pool_size=2))

模型似乎可以编译，但是当我尝试拟合它时，出现以下错误。

ValueError: Negative dimension size caused by subtracting 2 from 1 for '{{node sequential_16/conv1d_28/conv1d}} = Conv2D[T=DT_FLOAT, data_format="NHWC", dilations=[1, 1, 1, 1], explicit_paddings=[], padding="VALID", strides=[1, 1, 1, 1], use_cudnn_on_gpu=true](sequential_16/conv1d_28/conv1d/ExpandDims, sequential_16/conv1d_28/conv1d/ExpandDims_1)' with input shapes: [4,1,1,1], [1,2,1,64].

任何帮助将不胜感激。

Answer 1

考虑查看 Conv1D 层的documentation，

你的一维卷积层应该遵循这种格式：

所以不要像这样重塑你的数组：

X_train = X_train.reshape(21000, 1, 1)

试试这个：

X_train = X_train.reshape(1, 21000, 1)

（但一般会考虑更大的batch size）

X_train = X_train.reshape(1, 21000, 1)
model.add(layers.Conv1D(filters=64, kernel_size=2, activation='relu', input_shape =(21000, 1)))
model.add(layers.MaxPooling1D(pool_size=2))

但是，当查看您的错误时，正如@Shubham 所指出的，您可能在此层之前遇到问题，您正在尝试转换输入 [1,1,1,1]

输出 [1,2,1,64]

你通过神经网络缩小了太多信号