处理多头CNN

Question

我正在尝试构建“多头CNN模型”，因此每个头都是一个分支，其中包含各个多变量时间序列数据。

我尚不清楚如何处理“ fit”方法，或者换句话说如何正确准备y_train。标签有2个类别0和1

当前架构如下所示。

目标是预测提前一个时间

输入形状为：

A Training Data (1, 903155, 5)
B Training Data (1, 903116, 5)
C Training Data (1, 902996, 5)

标签形状：

y_train (903155, 1)

执行时：
history = model.fit(x = [A,B,C], y = y_in)

比我得到的： Input arrays should have the same number of samples as target arrays. Found 1 input samples and 903155 target samples.

将y_in重塑为（1，903155）将导致：

 expected dense_5 (see image) to have shape (1,) but got array with shape (903155,)

奇怪的是 model.predict（[A，B，C]）产生结果

Answer 1

问题的根源是对批处理维度的处理不当；图层和数据的第一个维度是批处理维度。错误说明如下。

---

解决方案：

y_train (903155, 1)是正确的，但是A, B,和C可能不正确：它们分别指定一个维度为(903155, 5), (903116, 5),和(902996, 5)的样本。我怀疑这是否是理想的-90...的批量尺寸是 ，应该重塑为：(903155, 1, 5)，等等。

---

错误说明：

• 错误1表示您输入了1个样本（训练示例）作为输入，但标签为903155
• 错误2表示dense_5的输出形状为(None, 1)，但在计算损耗时可以与(None, 903155)进行比较

  

输入数组应具有与目标数组相同数量的样本。找到1个输入样本和903155个目标样本。 ＃错误1

     

预计density_5的形状为（1，），但数组的形状为（903155，）＃错误2

Answer 2

经过一番挖掘，我发现了答案，因为OverLordGoldDragon提到输入和输出形状不正确。

一维转换期望输入数据始终为： （样本，timesteps_per_sample，features_per_sample）

所以就我而言（1，903155，5）->（903155，1，5）