Question

我正在尝试用：

构建一个简单的卷积NN

340个样本，
每个样本260行
每行16个功能。

我认为形状的顺序是（batch_size，steps，input_dim），这意味着（340,16,260）我相信。

当前代码：

model = Sequential()
model.add(Conv1D(64, kernel_size=3, activation='relu', input_shape=(340, 16, 260)))
# model.add(Conv2D(64, 2, activation='relu'))
model.add(MaxPooling1D())
# model.add(Conv2D(128, 2, activation='relu'))
model.add(Conv1D(64, kernel_size=3, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dense(1, activation='linear'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.summary()

model.fit(xTrain, yTrain, batch_size=16, epochs=1000)

我收到错误：

ValueError：输入0与图层conv1d_1不兼容：预期ndim = 3，找到ndim = 4

我很迷茫，相信我的形状已经消失了。有人能帮助我吗？谢谢！

Answer 1

如this answer中所述，Keras中的图层接受两个参数：input_shape和batch_input_shape。区别在于input_shape 不包含批量大小，而batch_input_shape是完整输入形状，包括批量大小。

基于此，我认为规范input_shape=(340, 16, 260)告诉keras期望一个4维输入，这不是你想要的。正确的论点是batch_input_shape=(340, 16, 260)。

Keras Convolution1D输入形状

1 个答案: