tensorflow conv1d＆amp; max_pool表示1-d数据

Question

我尝试使用tensorflow为1-d数据集上的应用程序创建CNN（convnet）。我的数据结构为浮动行，每个浮点数都有一个相关的单热目标（feature1，feature2 ... feature100; y_val）

我通过一个基本的多层感知器来运行它，但是想要利用“地方性”＆＃39;在特征空间中，以及利用“缩减采样”功能。通过合并等功能空间

问题是我无法通过tensorflow 找到任何方法来做到这一点 -  conv1d或conv2d函数 - 传递错误

ValueError: Shape must be rank 4 but is rank 3 for 'conv1d_4/Conv2D' (op: 'Conv2D') with input shapes

当我尝试创建池化层时，情况会变得更糟。

我的问题是：有没有人在张量流中做过1-CN CNN？如果是这样，你能指点我一些代码示例，这样我可以得到更具体的理解吗？

谢谢！

Answer 1

您可以尝试tf.layers.max_pooling1d。

它支持格式为(batch, length, channels)的3级输入。或者，您可以使用data_format参数指定自己的格式。

它支持tf.layers.conv1d的输出。

Answer 2

问题在于错误表明输入的形状与tensorflow的卷积函数所需的形状不匹配。您可以使用tf.nn.conv1d进行一维卷积（您可以参考此处的文档https://www.tensorflow.org/api_docs/python/tf/nn/conv1d）。 tf.nn.conv1d()以批量的形式获取输入，因此即使您提供单个值，它也会预期批量维度。因此，您的输入数据应具有[a，b，c]形式，其中：

• a是批量维度（如果您已将输入数据集划分为n个批次，则会告诉您可以在哪个批次中找到输入）
• b是输入通道的数量（如果输入的是RGB，则可以给3，否则为1）
• c是每个输入序列的长度

这个函数基本上做的是它将您的输入从[a，b，c]重新整形为[a，1，b，c]并将其输入到tf.nn.conv2d()函数。 您可以在尝试max_pool时遵循相同的原则 - 即使用tf.reshape()将输入重新整形为2-d，然后将其重新整形为1-d。