Question

以下内容基于以下文章中作者的开放源代码： https://arxiv.org/abs/1808.03668

我用1D卷积层替换了2D卷积层。

但是，我需要重塑输入数据以适用于转换图层。典型错误如下： ValueError：检查输入时出错：预期input_1具有3维，但数组的形状为（39413、100、40、1）

以下是Conv2D图层的输入数据形状的印刷品：

[[[[ 0.40827462]
   [-0.50940506]
   [ 0.40357732]
   ...
   [-0.41494966]
   [ 0.38972651]
   [-0.46409597]]

  [[ 0.40827462]
   [-0.6042721 ]
   [ 0.40357732]
   ...

请帮助特定的规定输入数据在馈入Conv1D层之前如何进行更改和调整？另外，正确的代码是什么？

非常感谢您提供任何反馈意见。

下面是尝试的代码，说明如何为Conv1D图层准备和成形数据。我不知道是什么导致了代码中的错误：

def prepare_x(data):
    df1 = data[:40, :].T
    return np.array(df1)

def get_label(data):
    lob = data[-5:, :].T
    return lob

def data_classification(X, Y, T):
    [N, D] = X.shape
    df = np.array(X)

    dY = np.array(Y)

    dataY = dY[T - 1:N]

    dataX = np.zeros((N - T + 1, T, D))

    for i in range(T, N + 1):
        dataX[i - T] = df[i - T:i, :]

    return dataX.reshape(dataX.shape+ (1,)), dataY

dec_train = np.loadtxt('/Train_Dst_NoAuction_ZScore_CF_1.txt')
dec_test = np.loadtxt('/Test_Dst_NoAuction_ZScore_CF_3.txt')

# extract data from the dataset
train_lob = prepare_x(dec_train)
test_lob = prepare_x(dec_test)

# extract label from the dataset
train_label = get_label(dec_train)
test_label = get_label(dec_test)

# prepare training data.  
trainX_CNN, trainY_CNN = data_classification(train_lob, train_label, T=100)
trainY_CNN = trainY_CNN[:,3] - 1
trainY_CNN = np_utils.to_categorical(trainY_CNN, 3)

# prepare test data.
testX_CNN, testY_CNN = data_classification(test_lob, test_label, T=100)
testY_CNN = testY_CNN[:,3] - 1
testY_CNN = np_utils.to_categorical(testY_CNN, 3)

如何将Conv2D数据重塑为Conv1D？ [KERAS]

0 个答案: