Keras Conv1D的输入如何指定？我似乎缺少一个维度。

Question

我的输入是一个包含64个整数的数组。

model = Sequential()
model.add( Input(shape=(68,), name="input"))
model.add(Conv1D(64, 2, activation="relu", padding="same", name="convLayer"))

我在训练集中有10000个这样的数组。我需要指定这些内容使conv1D起作用吗？

我正在遇到可怕的问题。

ValueError: Input 0 of layer convLayer is incompatible with the layer: : expected min_ndim=3, found ndim=2. Full shape received: [None, 68]

出现错误，我真的不明白我需要做什么。

- Tony Ennis

Answer 1

不要被名称所困惑。层tf.keras.layers.Conv1D需要以下形状：(time_steps, features)。如果您的数据集由10,000个样本组成，每个样本有64个值，则您的数据具有形状(10000, 64)，这不直接适用于tf.keras.layers.Conv1D层。您缺少time_steps维度。您可以使用tf.keras.layers.RepeatVector，将您的数组输入重复n次，在此示例中为5。这样，您的Conv1D层就获得了形状为(5, 64)的输入。请查看文档以获取更多information：

time_steps = 5
model = tf.keras.Sequential()
model.add(tf.keras.layers.Input(shape=(64,), name="input"))
model.add(tf.keras.layers.RepeatVector(time_steps))
model.add(tf.keras.layers.Conv1D(64, 2, activation="relu", padding="same", name="convLayer"))

顺便提一下，你应该问自己是否使用tf.keras.layers.Conv1D层是你的用例的正确选择。这个层通常用于NLP和其他时间序列任务。例如，在句子分类中，句子中的每个单词通常被映射到一个高维词向量表示中，如图所示。这导致数据的形状为(time_steps, features)。

                                          

如果您想使用字符一热编码嵌入，它应该是这样的：

                                          

这是一个简单的示例，具有形状为(10, 10)的单个样本-->沿时间序列维度有10个字符和10个特征。它应该帮助您更好地理解我提到的教程。

- AloneTogether

---

非常感谢。我在理解文档方面遇到了困难。我是一个初学者，正在进行实验。我的特定项目是读取一个64个字符的字符串，并确定它是否为电子邮件地址、URL、整数、浮点数、单词或噪声。Conv1D对此很有用，对吗？在我的实验中，我希望发现重要的标记，如“@”、“://”、“.”等。 - Tony Ennis

有一件事我无法理解，那就是为什么我需要指定我的训练样本数量。我已经使用了一堆密集层来解决上述问题，而且它完全不关心样本数量。内核是沿着单个数据向量（单个电子邮件地址）移动，还是沿着每个样本的第一个字符移动？ - Tony Ennis

对于你的第一个问题：是的，如果你将每个电子邮件地址拆分成字符（时间序列维度），并使用例如一种热编码嵌入（特征维度），那么这是完全可能的。请参考此教程。 - AloneTogether

关于你的第二个问题：你在哪里指定了训练样本的数量？ - AloneTogether

好的，我出现了故障。我之前尝试的事情似乎需要那个信息；但是现在不需要了。显然我误解了“重复向量”这个东西，认为它适用于我之前指定的数据集大小。现在才发现是64，哈哈。我得仔细研究一下。 - Tony Ennis

谢谢，我的“语法”错误已经被纠正了，现在我可以开始理解这是在做什么。 - Tony Ennis

Answer 2

Conv1D层执行时间卷积，也就是沿着第一个维度（当然不包括批次维度）进行卷积，因此您应该放置类似于以下内容的代码：

time_steps = 5
model = tf.keras.Sequential()
model.add(tf.keras.layers.Input(shape=(time_steps, 64), name="input"))
model.add(tf.keras.layers.Conv1D(64, 2, activation="relu", padding="same", name="convLayer"))

你需要将数据分成时间步的切片，以便将其馈送到网络中。

然而，如果你的数组没有时间结构，则conv1D不是你要找的层。

- elbe