Question

我正在尝试为我的数据集构建卷积神经网络。我的训练数据集包含1209个示例，每个示例包含800个功能。

以下是代码的哪一部分：

model = Sequential()
model.add(Conv1D(64, 3, activation='linear', input_shape=(1209, 800)))
model.add(GlobalMaxPooling1D())
model.add(Dense(1, activation='linear'))
model.compile(loss=loss_type, optimizer=optimizer_type, metrics=[metrics_type])
model.fit(X, Y, validation_data=(X2,Y2),epochs = nb_epochs, 
batch_size = batch_size,shuffle=True)

编译此代码时，出现以下错误：

Error when checking input: expected conv1d_25_input to have 3 dimensions, 
but got array with shape (1209, 800)

所以我添加了一个维度，这就是我所做的：

X = np.expand_dims(X, axis=0)
X2 = np.expand_dims(X2, axis=0)

然后我收到了这个错误：

ValueError: Input arrays should have the same number of samples as target arrays. 
Found 1 input samples and 1209 target samples.

我的训练数据现在有这样的形状（1,1209,800），它应该是别的吗？

非常感谢您阅读本文。

Answer 1

不应在轴0上展开X上的尺寸，而应在轴2上展开。因此，您需要X = np.expand_dims(X, axis=0)而不是X = np.expand_dims(X, axis=2)。

之后，X的形状应为（1209,800,1），然后您应在第一层指定input_shape=(800, 1)。

具有keras的1D卷积网络，输入大小错误

1 个答案: