Keras的卷积神经网络输入形状

Question

我有32760个音频频谱，它们的尺寸= 72（＃个帧）×40（＃个频带），我试图将它们馈送到“宽”卷积神经网络中（第一层是4个不同的conv层的集合）。 这些频谱没有深度，因此可以表示为72 x 40 2D numpy浮点数组，因此输入到分类器的X数组长32760个元素，每个元素都是这些72 x 40 x 1频谱之一。 Y输入是带有32760个元素的一键编码的标签数组。

当尝试使用时适合CNN

model.fit(mono_X, mono_Y, epochs=10, batch_size=None, verbose=2)

我收到以下错误：

ValueError when checking input: expected input_47 to have 4 dimensions, but got array with shape (32760, 1)

以下是我的CNN的体系结构：

spectra = Input(shape=(72, 40, 1)) 

# conv1a
c1a = Conv2D(48, (3,5), activation='relu', padding = 'same')(spectra)
c1a = BatchNormalization()(c1a)
c1a = MaxPooling2D(pool_size=(5, 5), strides = 1)(c1a)
# conv1b
c1b = Conv2D(32, (3,9), activation='relu', padding = 'same')(spectra)
c1b = BatchNormalization()(c1b)
c1b = MaxPooling2D(pool_size=(5, 5), strides = 1)(c1b)
# conv1c
c1c = Conv2D(16, (3,15), activation='relu', padding = 'same')(spectra)
c1c = BatchNormalization()(c1c)
c1c = MaxPooling2D(pool_size=(5, 5), strides = 1)(c1c)
# conv1d
c1d = Conv2D(16, (3,21), activation='relu', padding = 'same')(spectra)
c1d = BatchNormalization()(c1d)
c1d = MaxPooling2D(pool_size=(5, 5), strides = 1)(c1d)

# stack the layers
merged = keras.layers.concatenate([c1a, c1b, c1c, c1d], axis=3)

# conv2
c2 = Conv2D(224, (5,5), activation='relu')(merged)
c2 = BatchNormalization()(c2)
c2 = MaxPooling2D(pool_size=(5, 5), strides = 1)(c2)

# output softmax
out = Dense(15, activation='softmax')(c2)

# create Model
model = Model(spectra, out)

# apply optimization and loss function
adam = Adam(lr=0.002, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)
model.compile(optimizer=adam,
            loss='categorical_crossentropy',
            metrics=['accuracy'])

但是，如果我尝试将输入形状更改为32760x1，则会收到以下错误：

ValueError: Input 0 is incompatible with layer conv2d_203: expected ndim=4, found ndim=3

我在这里做错了什么？ 有没有更好的方法来表示我的输入数据？ 我已经尝试过使用pandas DataFrame，其中每一行代表一个光谱以及无数其他组合。 在后端将TensorFlow 1.1.0和Keras 2.1.3与Python 3.6.5结合使用。

这是我的第一个CNN，我以前仅使用Keras来实现ANN，所以我可能犯了一个非常明显的错误。 任何帮助表示赞赏！

---

更新！ 采纳@enumaris的建议，在输入层上使用data_format=channels_last作为参数，并在最后一个Conv2D和softmax输出层之间添加Flatten()层，以修复后者的值错误。 现在，我意识到我的训练数据mono_X的形状错误。 如果我没记错的话 ，预期的输入形状应该是（＃samples，H，W，＃channels）。 mono_X的形状为（ mono_X[0] ），而mono_X[0]的形状为（ mono_X[0] ）。 使用numpy的重塑似乎无法解压缩这些嵌套数组。 如何正确准备输入张量？

Answer 1

输入形状为（ mono_X ），但是您说mono_X元素具有形状（ mono_X ）。 需要重整形，可能是在准备训练数据时，例如mono_X = mono_X.reshape(-1, 72, 40, 1) 。 这假设mono_X是一个形状为numpy的数组（＃samples，72、40），但是由于某些原因，这听起来像您有一个numpy数组的numpy数组。

您也可以像这样重塑Keras层：

spectra = Input(shape=(72, 40))
spectra = Reshape((72, 40, 1))(spectra)

就个人而言，我会在训练之前而不是在模型中进行重塑，以避免训练中的任何额外开销。