Question

我有一个二维数组，其中包含N行96维向量：

[[n_(1 1), n_(1 2), ... , n_(1 96)]
[n_(2, 1), n_(2, 2), ... , n_(2 96)
...
[n_(N, 1), n_(N, 2), ... , n_(N 96)]]

我想将上面数组的每个行向量传递给下面定义的Conv1D分类器：

from keras.initializers import Constant, RandomNormal
from keras.layers import Conv1D
from keras.activations import softmax

classifier_conv = Conv1D(filters=4,
                         kernel_size=1,
                         activation=softmax,
                         padding='same',
                         kernel_initializer=RandomNormal(stddev=0.01),
                         bias_initializer=Constant(value=0))(multi_array)

考虑到我的数组是二维的，它具有如下形状-(N, 96)（或Keras中的符号(?, 96)）。问题是，Conv1D仅接受一个一维矢量（据我所知），但是我们应该传递N矢量。

我们可能要做的是通过迭代传递1D向量（也许像tf.scan这样的向量）。但是我不知道用Keras中的抽象层定义究竟可以做到这一点。

将2D这样的数组传递给Conv1D的最简单方法是什么？这样一来，每个96维行都将写入所有预测？

在Keras完全有可能吗？还是我必须创建自己的图层来进行所有迭代？

Answer 1

array_new = np.expand_dims(2D_matrix_dense,2)

这将像（87398，513，1）

input =  Input(shape=(513, 1),name='features')

x = Conv1D(filters=128, kernel_size=3, activation='relu',kernel_initializer="he_normal")(input)

如何正确地将2D数组传递给Conv1D？

1 个答案: