当前,我正在通过测试内核大小来调整模型。
我有以下code
:
x = embedding_layer(input_4)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = MaxPooling1D(3)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)
x = MaxPooling1D(3)(x)
当内核为2
或3
时,网络运行良好,但是从4
开始,它会遇到关于维数的错误。我怀疑这与步幅有关。但是,Keras
网站(https://keras.io/layers/convolutional/)并未说明默认跨步长度。
我现在的问题是:Keras的Conv1D中的默认步幅是多少?对于4
的内核大小和5
的内核大小,步幅应该是多少?
答案 0 :(得分:1)
从Conv1D开始,默认步幅为1。除非您有其他长度的具体理由,否则步幅通常为1。
您得到的错误可能是因为一维卷积层的输出尺寸为:
output_dim = 1 + (input_dim - kernel_size)/stride
在堆叠几个1D卷积层之后,您可能会到达一个输入维数小于内核大小的层。发生这种情况是因为参数padding
的默认值为'valid'
,这意味着输入没有被填充。
相反,如果您想保留每个卷积层的输入维数,则设置padding='same'
会导致对输入进行填充,以使输出的长度与原始输入的长度相同。