conv1D 中的形状尺寸
Posted
技术标签:
【中文标题】conv1D 中的形状尺寸【英文标题】:Dimension of shape in conv1D 【发布时间】:2017-09-09 19:55:25 【问题描述】:我尝试构建一个具有一层的 CNN,但我遇到了一些问题。 确实,编译器告诉我
ValueError:检查模型输入时出错:预期的 conv1d_1_input 有 3 个维度,但得到了形状为 (569, 30) 的数组
这是代码
import numpy
from keras.models import Sequential
from keras.layers.convolutional import Conv1D
numpy.random.seed(7)
datasetTraining = numpy.loadtxt("CancerAdapter.csv",delimiter=",")
X = datasetTraining[:,1:31]
Y = datasetTraining[:,0]
datasetTesting = numpy.loadtxt("CancereEvaluation.csv",delimiter=",")
X_test = datasetTraining[:,1:31]
Y_test = datasetTraining[:,0]
model = Sequential()
model.add(Conv1D(2,2,activation='relu',input_shape=X.shape))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=150, batch_size=5)
scores = model.evaluate(X_test, Y_test)
print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
【问题讨论】:
【参考方案1】:td; lr 你需要重塑你的数据以使Conv1d
具有 空间 维度才能有意义:
X = np.expand_dims(X, axis=2) # reshape (569, 30) to (569, 30, 1)
# now input can be set as
model.add(Conv1D(2,2,activation='relu',input_shape=(30, 1))
基本上重塑了如下所示的数据集:
features
.8, .1, .3
.2, .4, .6
.7, .2, .1
收件人:
[[.8
.1
.3],
[.2,
.4,
.6
],
[.7,
.2,
.1]]
说明和例子
通常卷积在空间维度上起作用。内核在产生张量的维度上“卷积”。在 Conv1D 的情况下,内核通过每个示例的“步骤”维度传递。
您将看到 NLP 中使用的 Conv1D,其中 steps
是句子中的多个单词(填充到某个固定的最大长度)。单词将被编码为长度为 4 的向量。
这是一个例句:
jack .1 .3 -.52 |
is .05 .8, -.7 |<--- kernel is `convolving` along this dimension.
a .5 .31 -.2 |
boy .5 .8 -.4 \|/
以及在这种情况下我们将输入设置为 conv 的方式:
maxlen = 4
input_dim = 3
model.add(Conv1D(2,2,activation='relu',input_shape=(maxlen, input_dim))
在您的情况下,您会将要素视为空间维度,每个要素的长度为 1。(见下文)
这将是您数据集中的一个示例
att1 .04 |
att2 .05 | < -- kernel convolving along this dimension
att3 .1 | notice the features have length 1. each
att4 .5 \|/ example have these 4 featues.
我们将 Conv1D 示例设置为:
maxlen = num_features = 4 # this would be 30 in your case
input_dim = 1 # since this is the length of _each_ feature (as shown above)
model.add(Conv1D(2,2,activation='relu',input_shape=(maxlen, input_dim))
如您所见,您的数据集必须重新调整为 (569, 30, 1) 使用:
X = np.expand_dims(X, axis=2) # reshape (569, 30, 1)
# now input can be set as
model.add(Conv1D(2,2,activation='relu',input_shape=(30, 1))
这是一个可以运行的完整示例(我将使用Functional API)
from keras.models import Model
from keras.layers import Conv1D, Dense, MaxPool1D, Flatten, Input
import numpy as np
inp = Input(shape=(5, 1))
conv = Conv1D(filters=2, kernel_size=2)(inp)
pool = MaxPool1D(pool_size=2)(conv)
flat = Flatten()(pool)
dense = Dense(1)(flat)
model = Model(inp, dense)
model.compile(loss='mse', optimizer='adam')
print(model.summary())
# get some data
X = np.expand_dims(np.random.randn(10, 5), axis=2)
y = np.random.randn(10, 1)
# fit model
model.fit(X, y)
【讨论】:
如果我有维度为 1x690 的数据,并且我实现了一个带有 40 个内核大小为 3 的过滤器的 Conv1D 层,当我查看该层的权重时,它说我有 40*690*3 的权重.我不确定我明白为什么会这样,我以为我只有 40*3 的重量?它如何输出一个 1x40 的形状? @parsethis,实际上,即使没有重塑 X,您的功能示例也能正常工作。只有使用顺序方法,我才能重现错误。【参考方案2】:对于稀疏矩阵,在我的情况下,行:73196,列:101 在将稀疏矩阵通过array_ = sparse_matrix.A
转换为数组后,我使用了 numpy 的 reshape 函数,然后我使用了下面的代码
x_train_all = np.reshape(array_ , (73196, 101,1))
在输入层中我使用了以下代码:
input2 = Input(shape=(101,1), dtype='float32', name='input2')
【讨论】:
【参考方案3】:我有一个稀疏矩阵作为输入,所以如果不转换为通常的数组,我就无法重塑它
解决方案是使用 keras Reshape 层:
from keras.layers.core import Reshape
...
model = Sequential()
model.add(Reshape((X.shape[1], 1), input_shape=(X.shape[1], )))
model.add(Conv1D(2,2,activation='relu'))
...
【讨论】:
只有您的支持才让我编译。所有其他答案仍会将我带到原始错误: ValueError: Error when checks model input: expected conv1d_1_input to have 3 dimensions, but got array with shape (569, 30)【参考方案4】:我在其他帖子中也提到过:
要将形状为(nrows, ncols)
的常用特征表数据输入到Keras的Conv1d,需要以下2个步骤:
xtrain.reshape(nrows, ncols, 1)
# For conv1d statement:
input_shape = (ncols, 1)
例如,取 iris 数据集的前 4 个特征:
查看常用格式及其形状:
iris_array = np.array(irisdf.iloc[:,:4].values)
print(iris_array[:5])
print(iris_array.shape)
输出显示通常的格式及其形状:
[[5.1 3.5 1.4 0.2]
[4.9 3. 1.4 0.2]
[4.7 3.2 1.3 0.2]
[4.6 3.1 1.5 0.2]
[5. 3.6 1.4 0.2]]
(150, 4)
以下代码改变格式:
nrows, ncols = iris_array.shape
iris_array = iris_array.reshape(nrows, ncols, 1)
print(iris_array[:5])
print(iris_array.shape)
上述代码数据格式及其形状的输出:
[[[5.1]
[3.5]
[1.4]
[0.2]]
[[4.9]
[3. ]
[1.4]
[0.2]]
[[4.7]
[3.2]
[1.3]
[0.2]]
[[4.6]
[3.1]
[1.5]
[0.2]]
[[5. ]
[3.6]
[1.4]
[0.2]]]
(150, 4, 1)
这适用于 Keras 的 Conv1d。需要input_shape (4,1)
。
【讨论】:
【参考方案5】:如果无法查看更多细节,您的数据在预处理后的形状不正确。 将 X 重塑为 3 个维度:
np.reshape(X, (1, X.shape[0], X.shape[1]))
【讨论】:
我的数据集由 30 个属性、2 个类和 569 个值组成。我不明白我必须在哪里重塑我的 X 您的数组0
s 和1
s 的值也是?
在 X 数组中我有属性值,在 Y 中我只有 0 和 1。X 的形状是 (569, 30) 而 Y 是 (569,)
您可以在预处理步骤之后重新调整阵列(如果有的话)。 X = np.array(X).reshape(1, X.shape[0], X.shape[1])
以上是关于conv1D 中的形状尺寸的主要内容,如果未能解决你的问题,请参考以下文章