Question

如何使用一键编码的基因组序列数据设计Keras 2D-CNN模型？

我有将近50,000个固定长度的基因组序列。我正在尝试为2类分类问题建模2D-CNN。首先，我使用单热编码转换了序列。因此，每个样本（序列）成为4 x 200矩阵。从这里开始，我从mnist中可用的众多Github例子中假设，我可以将此矩阵视为任何其他图像矩阵。因此，我编写了类似于mnist示例中给出的代码。这是我的代码

X_train = sample_matrices[0:N1]
X_valid = sample_matrices[N1:N2]
X_test = sample_matrices[N2:num_sample]

X_train = X_train.reshape(X_train.shape[0], row, col, 1)
X_test = X_test.reshape(X_test.shape[0], row, col, 1)
X_valid = X_valid.reshape(X_valid.shape[0], row, col, 1)
input_shape = (row, col, 1)

model = Sequential()
model.add(Conv2D(32, kernel_size = (3, 3),
                     activation = 'relu',
                     input_shape = input_shape))

model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

此处row = 4, col = 200

我收到一条错误消息

ValueError: Negative dimension size caused by subtracting 3 from 2 for 'conv2d_2/convolution' (op: 'Conv2D') with input shapes: [?,2,198,32], [3,3,32,64].

我几乎可以肯定我在input_shape上做错了什么，但是我不确定是什么。谁能帮忙吗？很抱歉，这个问题太天真了。

Answer 1

错误来自您的第二层（conv2d_2）。您收到此错误的原因是第一层（conv2d_1）产生了形状为[?,2,198,32]（批次，行，列，通道）的矩阵，您可以尝试使用kernel_size=(3, 3)（行，列）padding="valid" （默认参数），则会发生溢出。

您可以通过将padding="valid"的默认设置更改为padding="same"来避免此错误在https://keras.io/layers/convolutional/文档中所示的Conv2D构造函数中或更改conv2d_2的kernel_size=(1, 3)（行，列）。

通过更改填充，您可以将输入形状填充为零（如有必要）。例如：

“有效” =不填充：

   Inputs:  1  2  ?  <-- Overflow
           |_______|

   Output rows shape: ceil((rows_in - kernel_size[0] + 1) / strides[0]) = 0
   Output cols shape: ceil((cols_in - kernel_size[1] + 1) / strides[1])

“ SAME” =填充为零：

                | pad
   Inputs:  1  2| 0  0
           |_______|
              |_______|

   Output rows shape: ceil(rows_in / strides[0]) = 2
   Output cols shape: ceil(cols_in / strides[1])

在此示例中：

输入行数= 2（作为conv2d_1输出的行数）
kernel_size = 3

一维编码数据集上带有keras的2D-CNN模型

1 个答案: