Question

我目前在尝试为Keras中的时间序列分类建立顺序模型时遇到问题。我想使用channels_first数据，因为从每个处理的角度来看，它更方便（不过，我只使用一个通道）。正如我可以指定的Convolution1D那样，这对于我正在使用的data_sample='channels_first'层来说效果很好，但是对于Maxpooling1D来说似乎不起作用，因为model = Sequential() model.add(Convolution1D(filters=16, kernel_size=35, activation='relu', input_shape=(1, window_length), data_format='channels_first')) model.add(MaxPooling1D(pool_size=5) model.add(Convolution1D(filters=16, kernel_size=10, activation='relu', data_format='channels_first')) [...] #several other layers here似乎没有此选项。

我要构建的模型的结构如下：

window_length = 5000

使用_________________________________________________________________ Layer (type) Output Shape Param # ================================================================= conv1d_1 (Conv1D) (None, 32, 4966) 1152 _________________________________________________________________ max_pooling1d_1 (MaxPooling1 (None, 4, 4966) 0 _________________________________________________________________ conv1d_2 (Conv1D) (None, 16, 4957) 656 ================================================================= Total params: 1,808 Trainable params: 1,808 Non-trainable params: 0，在添加了所有三层后，我得到以下摘要：

MaxPooling1D

现在，我想知道这是否正确，因为我希望池化层减少三维空间（即特征图中神经元的数量）而不是二维空间（即过滤器的数量）？如我所见，channels_first无法识别data_format的顺序，尽管Keras documentation说存在MaxPooling2D的关键字MaxPooling1D，但没有这样的关键字channels_last。

我使用channels_first数据格式测试了整个设置，并且按预期工作。但是，由于从channels_last到channels_first的转换对我来说要花费相当长的时间，因此我真的希望与[somecol] like "%sometext%"一起工作。而且我有一种感觉，我只是想念一些东西。

如果您需要更多信息，请告诉我。

Answer 1

更新：as mentioned by @HSK in the comments，由于this PR，data_format层现在支持MaxPooling层。

好吧，一种选择是使用Permute层（并在第二个conv层中删除channels_first）：

model = Sequential()
model.add(Convolution1D(filters=16, kernel_size=35, activation='relu', input_shape=(1, 100), data_format='channels_first'))
model.add(Permute((2, 1)))
model.add(MaxPooling1D(pool_size=5))
model.add(Convolution1D(filters=16, kernel_size=10, activation='relu'))

model.summary()

模型摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_7 (Conv1D)            (None, 16, 66)            576       
_________________________________________________________________
permute_1 (Permute)          (None, 66, 16)            0         
_________________________________________________________________
max_pooling1d_2 (MaxPooling1 (None, 13, 16)            0         
_________________________________________________________________
conv1d_8 (Conv1D)            (None, 4, 16)              2096      
=================================================================
Total params: 2,672
Trainable params: 2,672
Non-trainable params: 0
_________________________________________________________________

具有Maxpooling1D和channel_first的Keras模型

1 个答案: