如何重塑我的输入以将其输入1D卷积图层以进行序列分类？

我有339732行和两列的CSV文件：如何重塑我的输入以将其输入1D卷积图层以进行序列分类？

第一个是29的特征值，即，X

第二个是一个二进制标记值，即ÿ

数据帧= PD .read_csv（ “features.csv”，标题=无）数据集= dataframe.values

X = dataset[:, 0:29].astype(float) 
Y = dataset[:,29] 
X_train, y_train, X_test, y_test = train_test_split(X,Y, random_state = 42)

我试图训练它一维卷积层上：

model = Sequential() 
model.add(Conv1D(64, 3, activation='relu', input_shape=(X_train.shape[0], 29))) 
model.add(Conv1D(64, 3, activation='relu')) 
model.add(MaxPooling1D(3)) 
model.add(Conv1D(128, 3, activation='relu')) 
model.add(Conv1D(128, 3, activation='relu')) 
model.add(GlobalAveragePooling1D()) 
model.add(Dropout(0.5)) 
model.add(Dense(1, activation='sigmoid')) 

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

model.fit(X_train, y_train, batch_size=16, epochs=2) 
score = model.evaluate(X_test, y_test, batch_size=16)

由于，在Conv1D层期望一个3-d的输入，我转化我的输入如下：

X_train = np.reshape(X_train, (1, X_train.shape[0], X_train.shape[1])) 
X_test = np.reshape(X_test, (1, X_test.shape[0], X_test.shape[1]))

然而，这仍然抛出错误：

ValueError: Negative dimension size caused by subtracting 3 from 1 for 'conv1d_1/convolution/Conv2D' (op: 'Conv2D') with input shapes: [?,1,1,29], [1,3,29,64].

有没有办法正确进我的投入？

来源

2017-06-22 Saurav--

就我所知1D卷积层接受Batchsize x Width x Channels形式的输入。您正在使用

X_train = np.reshape(X_train, (1, X_train.shape[0], X_train.shape[1]))

但X_train.shape[0]重塑你BATCHSIZE我guess.I认为这个问题是这里的某个地方。您可以在重塑之前告诉X_train的形状是什么？

来源

2017-06-23 05:34:57

重塑之前，X_train的形状是（339732，29）。另外，在序列的情况下，频道的可能价值是什么？（这对图像没有意义吗？） –

好的，所以你要做的是向CNN提供长度为29的矢量。 339732这样的矢量在那里。你可以将它们想象成高度为1，宽度为29，通道1的图像.CNN2D输入形状将为（1,29,1）（行，列，通道）。 CNN1D输入形状应该是（29,1）。如果您使用CNN2D，请重塑您的X_Train为（339732 x 29 x 1），然后重塑为（339732 x 1 x 29 x 1）。这应该工作。 –

这样做，给出了错误：'ValueError：检查模型输入时出错：期望的conv1d_1_input有形状（无，339732,29）但有形状的数组（339732,29,1）' –

如何重塑我的输入以将其输入1D卷积图层以进行序列分类？

回答

相关问题