Keras/Tensorflow Conv1D 预期输入形状

Question

我想对我的 29 个特征输入数据（即 29x1 形状）进行一维卷积。我告诉 Keras input_shape=(29,1)，但是我得到了一个错误，它期望输入 "具有三个维度，但得到形状为 (4000, 29) 的数组"。Keras 为什么期望三个维度？

Keras 文档给出了一个奇怪的例子来使用 input_shape:

(None, 128) 表示每步具有 128 个特征的可变长度序列。

我不确定他们所说的可变长度序列是什么意思，但由于我有 29 个特征，我也尝试过 (None,29) 和 (1,29) ，但是遇到了类似的错误。

我是否误解了一维卷积的含义？

以下是我期望使用核大小为 3 的 Conv1D 对 7x1 输入进行的视觉描述。

[x][x][x][ ][ ][ ][ ]
[ ][x][x][x][ ][ ][ ]
[ ][ ][x][x][x][ ][ ]
[ ][ ][ ][x][x][x][ ]
[ ][ ][ ][ ][x][x][x]

- Atte Juvonen

Answer 1

Keras为什么要求三维张量？

这三个维度是（batch_size，feature_size，channels）。

定义一个一维卷积层。

Conv1D(32, (3), activation='relu' , input_shape=( 29, 1 ))

将（4000，29，1）个样本输入到该层中。

简单示例：

from keras import models, layers
import numpy as np

x = np.ones((10, 29, 1))
y = np.zeros((10,))
model = models.Sequential()
model.add(layers.Conv1D(32, (3), activation='relu' , input_shape=( 29,1)))
model.add(layers.Flatten())
model.add(layers.Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer= "adam", metrics=['accuracy'])
print(model.summary())
model.fit(x,y)

- Manoj Mohan

---

因此，“batch_size”参数在“input_shape”中被省略（按照惯例？），其中“(29,1)”的定义实际上意味着“（batch_size_omitted，29，1）”。而且Keras拒绝吃掉1d np数组，因为CNN通常用于具有3个维度（“通道”R、G、B）的图像。即使我们只有一个通道，我们也必须将我们的1d数组包装成大小为29x1的矩阵。 - Atte Juvonen

是的，在文档中提到不要包括批处理轴（https://keras.io/layers/convolutional/）。即使对于只有一个通道的灰度图像，也必须指定通道维度。https://github.com/keras-team/keras/blob/master/examples/mnist_cnn.py - Manoj Mohan