重塑卷积神经网络（Keras）的2D数据

Question

我有一个数据集，它是由N_features个[N_samples，N_features]组成的N_Samples个数据集，以及一个对应的[N_samples，N_labels]个标签集 我想使用来自keras的Conv1D或Conv2D，但我不知道如何重塑数据以适应

数据集大约有100,000个样本，具有32个特征，标签数据集的长度相同，具有6个标签类（100000，6）

model = Sequential()

model.add(Conv1D(64, kernel_size=3, activation=’relu’, input_shape=(None,N_features,1)))

# (i would add other layers after this but right now I don't have any)

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

model.fit(X_train, y_train, batch_size=32, epochs=3)

model.predict(X_test)

Answer 1

如果要使用Conv1D，则只需添加尺寸为1的通道尺寸，即X_train.reshape(-1, X.shape[1], 1)。如果您想使用Conv2D，则可以将其重塑为X_train.reshape(-1, 8, 4, 1)或以任何类似的方式进行整形，以使第二维和第三维的乘积等于要素的数量。