Keras中Conv2D的输入不正确

Question

我正在尝试使用python中的深度学习来分析EEG数据。不幸的是，我也是python的新手，所以试图找到最简单的工具。这导致我去了Keras。

更确切地说，我正在尝试实现以下管道：

到目前为止，我似乎被困在“S1”或“C2”附近。到目前为止的想法是：

• 输入EEG数据部分（我现在将使用1 x 6000）

• 通过20个1D过滤器（1x200）

运行它
• 使用池20，步幅10（产生20个1x578数据点）对每个过滤器的输出进行最大池化
• 将其“堆叠”成20 x 578矩阵
• 通过内核大小为20 x 30
的2D卷积运行

但是，下面的代码给出了以下错误：

model = Sequential()
model.add(Conv1D(input_shape=(1,6000), kernel_size=200,strides=1,
                 activation='sigmoid',filters=20))
model.add(MaxPooling1D(pool_size=20, strides=10,padding='same'))
model.add(Conv2D(filters=400,kernel_size=(20,30),strides=(1,1),activation='sigmoid'))

输出：

ValueError: Input 0 is incompatible with layer conv2d_4: expected ndim=4, found ndim=3

我确信这是一个微不足道的错误，但通过keras文档并没有让我更聪明。

我意识到上面跳过了“堆叠”程序，但我能找到的最接近的东西是Concatenate，而且只是抱怨我没有给它任何输入。

我正在使用theano 0.9.0.dev和keras 2.0.2

Answer 1

您需要在从1D到2D之前重塑数据。在Keras有dedicated layer。我想，你的模型可能会这样开始：

model = Sequential()
model.add(Conv1D(input_shape=(6000,1),kernel_size=200,strides=1,
             activation='sigmoid',filters=20))
model.add(MaxPooling1D(pool_size=20, strides=10,padding='same'))
model.add(Reshape((-1, 581, 20)))
model.add(Conv2D(filters=400,kernel_size=(20,30),strides=(1,1), 
             activation='sigmoid'))

我还将input_shape替换为默认维度排序。