ValueError: 'conv1d_1/convolution/Conv2D 从 1 中减去 3 导致的负维度大小答案

【问题标题】：ValueError: Negative dimension size caused by subtracting 3 from 1 for 'conv1d_1/convolution/Conv2DValueError: 'conv1d_1/convolution/Conv2D 从 1 中减去 3 导致的负维度大小
【发布时间】：2018-10-26 17:19:11
【问题描述】：

二元分类问题：我想要一个输入层（可选），一个 Conv1D 层，然后是 1 个预测 1 或 0 的神经元的输出层。
这是我的模型：

x_train = np.expand_dims(x_train,axis=1)
x_valid = np.expand_dims(x_valid,axis=1)
#x_train = x_train.reshape(x_train.shape[0], 1, x_train.shape[1])
#x_valid = x_train.reshape(x_valid.shape[0], 1, x_train.shape[1])

model = Sequential()

#hidden layer
model.add(Convolution1D(filters = 1, kernel_size = (3),input_shape=(1,x_train.shape[2])))
#output layer
model.add(Flatten())
model.add(Dense(1, activation = 'softmax'))

sgd = SGD(lr=0.01, nesterov=True, decay=1e-6, momentum=0.9)

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

print('model compiled successfully')
model.fit(x_train, y_train, nb_epoch = nb_epochs, validation_data=(x_valid,y_valid), batch_size=100)

输入形状：x_train.shape = (5,1,133906) 分别是(batch,steps,channels)。通过 expand_dims 添加的步骤。实际大小 (5,133906)，即 5 个长度为 133906 的时间序列数据样本，有时在 2 ms 时随机采样，有时在 5 ms 时随机采样。

错误消息：ValueError：由输入形状的“conv1d_1/convolution/Conv2D”（操作：“Conv2D”）从 1 中减去 3 引起的负维度大小：[ ?,1,1,133906], [1,3,133906,1]。

我该如何解决这个问题？ x_train 的大小和在 Conv1D 中传递的 input_size 参数应该是多少？

【问题讨论】：

标签： python-3.x keras conv-neural-network convolution keras-layer

【解决方案1】：

Convolution1D 层以 [batch, steps, channels] 格式接受输入

您的卷积窗口长度（内核大小）不能大于步数。

因此，如果您想使用您定义的输入形状：

x_train.shape = (5,1,133906)

您需要将内核大小更改为 1

即将第 9 行更改为

model.add(Convolution1D(filters = 1, kernel_size = 1,input_shape=(1,x_train.shape[2])))

但是，这只会使您的示例正常工作。根据您的目标、数据类型等，您可能需要尝试内核大小和输入数据维度的不同组合以获得最佳结果。

【讨论】：