如何用合适的输入形状训练 CNN？

Question

我正在尝试使用 S&P 500 数据集训练 CNN 和 LSTM.network。 这是我的火车数据集的形状：

xtrain 形状：(6445, 16) ytrain 形状：(6445,)

这是我给 CNN 的输入形状：

model.add(TimeDistributed(Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16)))

使用代码中显示的输入形状参数，我收到此错误：

ValueError：层 conv1d_8 的输入 0 与层不兼容：：预期 min_ndim=3，发现 ndim=2。 收到完整形状：[无，16]

Answer 1

expected min_ndim=3, found ndim=2.

Keras 在使用 Conv1D 时期望三维 arrays：期望的形状是[batch_size, sequence_length, feature_dimension] 。 在你的情况下，你只有一个特征维度，我怀疑价格，但假设你还想传递交易量数据，你会有xtrain.shape == (6445,16,2) 。 最后一个维度将包含有关价格和数量的信息。

要解决您的问题，您需要将xtrain重塑为

(batch_size, sequence_length, feature_dimension=(6445,16,1)

为此，您可以使用 tensorflow：

xtrain = tf.expand_dims(xtrain, axis=-1) # -1 means expand the LAST axis

或使用 numpy：

xtrain = np.expand_dims(xtrain, axis=-1) # -1 means expand the LAST axis

这个 function 顾名思义：它在 axis 指定的 position 中添加了一个新axis 。 这导致xtrain具有我们想要的形状，现在您可以继续使用 model，例如：

model = keras.models.Sequential()
model.add(keras.layers.TimeDistributed(keras.layers.Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16,1)))