在Keras中将2D CNN与GRU相结合

时间:2018-02-14 09:31:40

标签: keras convolution

我想构建这种类型的神经网络架构:2DCNN+GRU。 考虑输入是4D张量(batch_size,1,115,40),然后我有3个2D-CNN层(具有批量标准,relu,最大池和丢失)。 在来自第三cnn层的输出中,我获得4D-张量(None,120,1500,1)。 现在问题来了,如何将GRU图层与此输入形状连接起来? 我试图在keras中进行重塑(因此它变为(None,1500,120))并通过gru层输出输出但是有些错误...... 还要考虑我的训练标签是3D张量(batch_size,1500,2)。 我在这里复制了keras模型和summary()命令的输出:

    input_data = Input(shape=[1,1500,40])
    x = input_data
    for i in range(len([32,96,120])):
        x = Conv2D(filters=[32,96,120],
                   kernel_size=[5,5],
                   activation='relu',
                   padding='same'
                   )(x)
        x = BatchNormalization(axis=3)(x)
        x = Dropout(0.3)(x)
        x = MaxPooling2D(pool_size=[(1,5),(1,4),(1,2)],
                         data_format="channels_first")(x)

    x = Reshape((1500, 120))(x)

    x = GRU(units=120,
            activation='tanh',
            recurrent_activation='hard_sigmoid',
            dropout=0.3,
            recurrent_dropout=0.3,
            )(x)

    predictions = Dense(2, activation='softmax')(x)
    network = Model(input_data, predictions)
    network.summary()

Network Summary

你能帮帮我吗?谢谢

1 个答案:

答案 0 :(得分:1)

您似乎期望对输入的每个时间步进行预测。为此,您需要在创建return_sequences图层时将参数True设置为GRU