Question

二进制分类问题：我想要一个输入层（可选），一个Conv1D层，然后输出1个神经元的输出层，预测1或0。
这是我的模特：

x_train = np.expand_dims(x_train,axis=1)
x_valid = np.expand_dims(x_valid,axis=1)
#x_train = x_train.reshape(x_train.shape[0], 1, x_train.shape[1])
#x_valid = x_train.reshape(x_valid.shape[0], 1, x_train.shape[1])

model = Sequential()

#hidden layer
model.add(Convolution1D(filters = 1, kernel_size = (3),input_shape=(1,x_train.shape[2])))
#output layer
model.add(Flatten())
model.add(Dense(1, activation = 'softmax'))

sgd = SGD(lr=0.01, nesterov=True, decay=1e-6, momentum=0.9)

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

print('model compiled successfully')
model.fit(x_train, y_train, nb_epoch = nb_epochs, validation_data=(x_valid,y_valid), batch_size=100)

输入形状：x_train.shape =（5,1,133906）分别是（批，步，通道）。通过expand_dims添加的步骤。实际大小（5,133906）是长度为133906的时间序列数据的5个样本，有时在2 ms或有时在5 ms随机采样。

错误消息： ValueError：尺寸为负的尺寸，是将输入形状为[？，1,1，''的'conv1d_1 / convolution / Conv2D'（op：'Conv2D'）从1中减去3引起的133906]，[1,3,133906,1]。

我该如何解决这个问题？在Conv1D内部传递的x_train和input_size参数的大小应该是多少？

Answer 1

Convolution1D图层以[批量，步骤，通道]格式接受输入

卷积窗口的长度（内核大小）不能大于步数。

因此，如果你想使用你定义的输入形状：

x_train.shape = (5,1,133906)

需要内核的大小更改为1

即将第9行更改为

model.add(Convolution1D(filters = 1, kernel_size = 1,input_shape=(1,x_train.shape[2])))

但是，这只会使您的示例生效。根据您的目标，数据类型等，您可能想尝试内核大小和输入数据维的不同组合以获得最佳结果。

ValueError：“ conv1d_1 / convolution / Conv2D

1 个答案: