我发现了keras图书馆，我无法说明keras layer中维度的含义以及如何选择它们？ (model.add(Convolution2D(...))或model.add(Convolution1D(...)) )。
例如，我有一组9000列车轨迹和1000条测试轨迹，每条轨迹有1000个样本，所以我创建了大小为9000 * 1000的X_train阵列，X_test的大小为1000 * 1000，Y_train有大小为9000，Y_test的大小为1000。
我的问题是如何选择第一层维度？。
我尝试使用在MNIST中实现的相同示例：
model.add(Convolution2D(9000, (1, 1), activation='relu', input_shape(1,9000000,1),dim_ordering='th'))
但它没有用，我甚至不知道我应该在卷积函数的每个参数中加入什么。
答案 0 :(得分：0)
尺寸（1D，2D等）的选择取决于输入的尺寸。例如，由于您正在使用MNIST数据集，因此您将使用2D图层，因为您的输入是具有高度和宽度（二维）的图像。或者，如果您使用的是文本数据，则可以使用1D图层，因为句子是单词的线性列表（一维）。
我建议用MNIST查看Francois Chollet的卷积神经网络的例子：https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py。 （注意：Conv2D与Convolution2D相同。）