Keras中Conv2D输入错误

Question

我正在尝试学习在Python中使用深度学习来分析EEG数据。 不幸的是，我也是python的新手，因此尝试寻找可用的最简单的工具。 这把我引向了Keras。

更准确地说，我正在尝试实现以下管道：

到目前为止，我似乎仍然停留在“ S1”或“ C2”周围。 到目前为止的想法是：

• 脑电数据的输入部分（我现在将使用1 x 6000）

• 通过20个1D滤镜（1x200）运行

• 在步长为10的池20上对每个过滤的输出进行最大池化（产生20个1x578数据点）
• 将其“堆叠”为20 x 578矩阵
• 通过内核大小为20 x 30的2D卷积运行

但是，以下代码给了我以下错误：

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

我敢肯定这是微不足道的错误，但是遍历keras文档并没有使我更明智。

我意识到上面的代码跳过了“堆叠”过程，但是我能找到的最接近的东西是Concatenate，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

从1D到2D之前，您需要重塑数据。 Keras中有专用层 。 我想，您的模型可能会像这样开始：

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'))

我也将input_shape替换为默认的尺寸顺序。