文章/答案/技术大牛

发布

社区首页 >问答首页 >Keras Convolution1D输入形状

问Keras Convolution1D输入形状
EN

Stack Overflow用户

提问于 2018-06-12 04:14:13

回答 1查看 1K关注 0票数 0

我试图建立一个简单的卷积神经网络：

340份样本
每个样本260行
每行16个特征。

我认为这个形状的顺序是(batch_size，steps，input_dim)，这意味着(340，16,260)我相信。

当前代码：

model = Sequential()
model.add(Conv1D(64, kernel_size=3, activation='relu', input_shape=(340, 16, 260)))
# model.add(Conv2D(64, 2, activation='relu'))
model.add(MaxPooling1D())
# model.add(Conv2D(128, 2, activation='relu'))
model.add(Conv1D(64, kernel_size=3, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dense(1, activation='linear'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.summary()

model.fit(xTrain, yTrain, batch_size=16, epochs=1000)

我收到了一个错误：

ValueError:输入0与conv1d_1层不兼容:预期的ndim=3，找到ndim=4

我非常迷茫，并且相信我的形状已经消失了。有人能帮我吗？谢谢!

python

tensorflow

keras

deep-learning

回答 1

Stack Overflow用户

发布于 2018-06-12 05:20:16

正如this answer中提到的，Keras中的层接受两个参数：input_shape和batch_input_shape。区别在于input_shape 不包含批处理大小，而batch_input_shape是完整输入形状，包括批处理大小。

基于此，我认为规范input_shape=(340, 16, 260)告诉keras需要一个4维的输入，这不是您想要的。正确的论点将是batch_input_shape=(340, 16, 260)。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/50809155

复制

相似问题

问Keras Convolution1D输入形状
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Keras Convolution1D输入形状EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Keras Convolution1D输入形状
EN