Question

我正在使用Keras构建CNN，并将以下Conv1D作为我的第一层：

cnn.add(Conv1D(
    filters=512,
    kernel_size=3,
    strides=2,
    activation=hyperparameters["activation_fn"],
    kernel_regularizer=getattr(regularizers, hyperparameters["regularization"])(hyperparameters["regularization_rate"]),
    input_shape=(1000, 1),
))

我正在使用以下功能进行训练：

cnn.fit(
    x=train_df["payload"].tolist(),
    y=train_df["label"].tolist(),
    batch_size=hyperparameters["batch_size"],
    epochs=hyperparameters["epochs"],
)

其中train_df是两列的熊猫数据帧，其中每一行的label是一个int（0或1），有效载荷是一个浮点数的ndarray，其填充有零/被截断为1000。 train_df中的培训示例总数为15641。

模型可以编译，但是在训练过程中，出现此错误：

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 15641 arrays: [array([[0.09019608],
   [0.01176471],
   [0.01176471],
   [0.        ],
   [0.30196078],
   [0.        ],
   [0.        ],
   [0.        ],
   [0.        ],
   [0....

我查看了this post，并尝试将输入更改为长度为1000个浮点数的列表的ndarray，但最终出现了另一个错误：

ValueError: Error when checking input: expected conv1d_1_input to have 3 dimensions, but got array with shape (15641, 1000)

有什么想法吗？

Answer 1

所以我将input_shape设置为（1000，1）

我还将输入到fit（）的输入转换为n个ndarray的单个ndarray（每个ndarray是1000个float的向量，n是样本/向量的总数），并将每个ndarray整形为（1 ，1000、1）在阅读this输入和输入形状的解释后进行预处理

我输入数据的最终形状是（15641，1000，1）

**所有这些都应同样适用于验证数据（如果指定）**

编辑：对，我没有说明，但这解决了我的问题

一维CNN（Keras）的输入形状

1 个答案: