如何重塑我的输入以将其输入一维卷积层以进行序列分类？

Posted 2023-03-13

【中文标题】如何重塑我的输入以将其输入一维卷积层以进行序列分类？

【英文标题】：How to reshape my input to feed it into 1D Convolutional layer for sequence classification?

【发布时间】：2017-11-26 02:47:57

【问题描述】：

我有一个包含 339732 行和两列的 csv 文件：

第一个是 29 个特征值，即 X

第二个是二进制标签值，即 Y

dataframe = pd.read_csv("features.csv", header = None) 数据集 = dataframe.values

X = dataset[:, 0:29].astype(float)
Y = dataset[:,29]
X_train, y_train, X_test, y_test = train_test_split(X,Y, random_state = 42)

我正在尝试在一维卷积层上对其进行训练：

model = Sequential()
model.add(Conv1D(64, 3, activation='relu', input_shape=(X_train.shape[0], 29)))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(3))
model.add(Conv1D(128, 3, activation='relu'))
model.add(Conv1D(128, 3, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

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

model.fit(X_train, y_train, batch_size=16, epochs=2)
score = model.evaluate(X_test, y_test, batch_size=16)

由于 Conv1D 层需要 3-D 输入，我将输入转换如下：

X_train = np.reshape(X_train, (1, X_train.shape[0], X_train.shape[1]))
X_test = np.reshape(X_test, (1, X_test.shape[0], X_test.shape[1]))

但是，这仍然会引发错误：

ValueError: 负维度大小是由 1 减去 3 导致的 'conv1d_1/convolution/Conv2D' (op: 'Conv2D') 输入形状：[?,1,1,29], [1,3,29, 64]。

有什么方法可以正确输入我的输入吗？

【参考方案1】：

据我所知，一维卷积层接受 Batchsize x Width x Channels 形式的输入。你正在重塑

X_train = np.reshape(X_train, (1, X_train.shape[0], X_train.shape[1]))

但X_train.shape[0] 是您的batchsize 我猜。我认为问题出在此处。能否请您告诉 X_train 在 reshape 之前的形状是什么？

【讨论】：

reshape 之前，X_train 的形状是 (339732, 29)。此外，在序列的情况下，通道的可能值是多少？ （这对图像没有意义吗？）

好的，所以您要做的是将长度为 29 的向量提供给 CNN。有 339732 个这样的向量。您可以将它们中的每一个想象成一个高度为 1、宽度为 29 和通道为 1 的图像。CNN2D 输入形状将是 (1,29,1) 为 (rows,cols,channels)。 CNN1D 输入形状应为 (29,1)。请将 CNN1D 的 X_Train 重塑为 (339732 x 29 x 1)，如果您使用的是 CNN2D，则将其重塑为 (339732 x 1 x 29 x 1)。那应该可以。

做了，报错：ValueError: Error when checking model input: expected conv1d_1_input to have shape (None, 339732, 29) but got array with shape (339732, 29, 1)

我的错。将 input_shape 调整为 (29,1) 即可！

【参考方案2】：

您必须考虑您的数据在 339732 个条目或 29 个特征之间是否存在某种递进关系，这意味着顺序是否重要。如果不是，我认为 CNN 不适合这种情况。

如果这 29 个特征“表明某事的进展”：

X_train = X_train.reshape((X_train.shape[0], X_train.shape[1],1))

如果 29 个特征是独立的，那么就像图像上的通道，但只有 1 个卷积没有意义。

X_train = X_train.reshape((X_train.shape[0],1, X_train.shape[1]))

如果您想在顺序重要的块中选择 339732 条目（剪切 339732 或添加零填充以便被时间步长整除）：

X_train = X_train.reshape((int(X_train.shape[0]/timesteps),timesteps, X_train.shape[1],1))