Question

我正在为序列构建和训练CNN，并且已经成功使用RNN，但是遇到了CNN问题。这是代码，cnn1是第一个（更复杂的模型），试图让一个更简单的代码适合并在两个代码上都出现错误：

形状如下：

xtrain (5206, 19, 4)
ytrain (5206, 4)
xvalid (651, 19, 4)
yvalid (651, 4)
xtest (651, 19, 4)
ytest (651, 4)

我几乎尝试了所有可以想到的内核大小和节点的组合，并尝试了两种不同的模型构建。

    model_cnn1.add(keras.layers.Conv1D(32, (4), activation='relu'))
    model_cnn1.add(keras.layers.MaxPooling1D((4)))
    model_cnn1.add(keras.layers.Conv1D(32, (4), activation='relu'))
    model_cnn1.add(keras.layers.MaxPooling1D((4)))
    model_cnn1.add(keras.layers.Conv1D(32, (4), activation='relu'))
    model_cnn1.add(keras.layers.Dense(4))


    model_cnn2 = keras.models.Sequential([
    keras.layers.Conv1D(100,(4),input_shape=(19,4),activation='relu'),
    keras.layers.MaxPooling1D(4),
    keras.layers.Dense(4)
])


    model_cnn2.compile(loss='mse',optimizer='adam',metrics= ['mse','accuracy'])

    model_cnn2.fit(X_train_tf,y_train_tf,epochs=25)

输出为1/25个纪元，未完全运行，然后在cnn1上我收到了（最后一行）的一些变化：

ValueError：负尺寸大小是由1减去4引起的输入形状为'max_pooling1d_26 / MaxPool'（op：'MaxPool'）： [？，1,1,32]

在cnn2上（简单），我得到了错误（最后一行）：

InvalidArgumentError：不兼容的形状：[32,4,4]与[32,4]
[[{{nodemetrics_6 / mse / SquaredDifference}}]] [Op：__ inference_keras_scratch_graph_6917]

通常，对于内核/节点/ etc，我应该遵循一些规则吗？我似乎总是在形状上出现这些错误。我希望在建立每种类型的模型后，我能理解我的来龙去脉-并非双关语-但这让我发疯了！

我尝试过所有的组合

Answer 1

您可以阅读#define OFFSETOF(_s, _m) ((size_t)((char*)&((_s *)0)->_m - (char*)0))和Conv1D的文档，以了解这些层会根据MaxPooling1D的值更改输出形状。根据您的情况，您可以通过指定填充来使strides的输出形状保持相等。 Conv1D根据定义更改输出形状。使用MaxPooling1D时，输出形状实际上会小4倍。我建议您仔细阅读文档以弄清楚到底发生了什么，并了解CNN的潜在理论。

为序列无效参数构建/训练一维CNN

1 个答案: