Question

我正在喀拉拉邦创建CNN模型以对数据进行分类。有150个要素（以列表示），每个要素都带有1到9的标签。问题是我对如何在Keras中使用此功能感到困惑，因为标签中有无数的要素，并且能够显示的尺寸为100、150，标签的尺寸为100,1。帮助了解如何在Keras模型上正确训练这些数据。

#Reshape data to add new dimension
X_train = X_train.reshape((100, 150, 1))
Y_train = X_train.reshape((100, 1, 1))

model = Sequential()

model.add(Conv1d(1, kernel_size=3, activation='relu', input_shape=(None, 1)))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.summary()
model.compile(loss='categorical_hinge',
            optimizer='adam',
            metrics=['accuracy'])
model.fit(x=X_train,y=Y_train,
        epochs=200,
        batch_size=20)

当前代码有效，但是Conv1d层似乎并没有改变模型的准确性。如何使模型超过当前达到的20％精度并利用Conv1d层？

Keras不确定输入形状

0 个答案: