简单Conv1D作为keras中的第一层

Question

这是我的输入

x_train.shape # (12, 7) 12 observations each of length 7
x_train # dtype('int32')

这是我想要实现的架构：

我想在序列上卷积3号内核。来自https://keras.io/layers/convolutional/

的keras文档

“当使用此图层作为模型中的第一层时，提供一个input_shape参数（整数或无元组，例如（10,128），用于128个向量的10个向量的序列，或者（无，128）对于128维向量的可变长度序列。“

老实说，我很难理解他们的逻辑。这是我的尝试

docs_sequence = Input(shape=(7,), dtype='float32') # Longest document is 7 words
convolution = Conv1D(filters = 1,  # only 1 convolution
                     kernel_size = 3, # tri grams
                     strides = 1,
                     input_shape = (1, 7),
                     padding = 'valid',
                     activation = 'relu')(docs_sequence)
output = Dense(1, activation='sigmoid')(convolution)
cnn_model = Model(inputs = docs_sequence, outputs = [output])
cnn_model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

我一直在

ValueError：输入0与图层conv1d_30不兼容：预期ndim = 3，找到ndim = 2

Answer 1

正如错误消息所示，您的输入是二维的，而卷积层需要三维输入。

使用以下

docs_sequence = Input(shape=(7,1), ...

而不是

docs_sequence = Input(shape=(7,), ...

Keras接受该模型。基本上，这会为输入添加一个大小为1的维度（错误消息中的三个维度包括可以认为是前面的shape参数的小批量维度。）

cnn_model.summary()然后给出：

_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
input_1 (InputLayer)         (None, 7, 1)              0
_________________________________________________________________
conv1d_1 (Conv1D)            (None, 5, 1)              4
_________________________________________________________________
dense_1 (Dense)              (None, 5, 1)              2
=================================================================

准备实际输入数据时，您可能必须将此尺寸为1的尺寸添加到输入数据中。您可能需要使用numpy.atleast_2d()或numpy.atleast_3d()，可能需要使用转置或使用numpy.expand_dims()。

在您的情况下，np.atleast_3d(x_train)的形状为(12, 7, 1)。