在 Tensorflow 中使用 conv1d 层顺序 Model

Question

我对 Tensorflow 很陌生，只是无法弄清楚问题所在。 我正在尝试构建一个 CNN，但我一直遇到 conv1d 层（特别是输入）的问题： expected min_ndim=3, found ndim=2 tensorflow sequential

我已经尝试过： ValueError when using Conv1D layer ，但这并没有改变任何东西。

这是 model 的代码：

#create feature_colums
from tensorflow import feature_column
feature_columns = []

for header in list(train_df.drop(columns=["LABEL"])):
  feature_columns.append(feature_column.numeric_column(header))

feature_layer = tf.keras.layers.DenseFeatures(feature_columns)

model = tf.keras.Sequential([
    feature_layer,
    #tf.keras.layers.InputLayer(input_shape=(len(feature_columns), 1)),
    tf.keras.layers.Dense(1024, activation="relu"),
    tf.keras.layers.Conv1D(32, 3, activation="relu"),
    #tf.keras.layers.MaxPool1D(pool_size=5),
    #tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Dense(512, activation="relu"),
    tf.keras.layers.Dense(256, activation="relu"),
    tf.keras.layers.Dense(256, activation="relu"),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(64, activation="relu"),
    tf.keras.layers.Dense(32, activation="relu"),
    tf.keras.layers.Dense(12, activation="softmax")
])

model.compile(optimizer="adam",
            loss="sparse_categorical_crossentropy",
            metrics=['accuracy'])

model.fit(train_ds,
        validation_data=val_ds,
        epochs=25,
        #steps_per_epoch=20,
        callbacks=[tensorboard_callback]
            )

编辑：这就是 train_ds 的创建方式（我遵循了本教程： https://www.tensorflow.org/tutorials/structured_data/feature_columns#create_compile_and_train_the_model ）：

def df_to_dataset(dataframe, shuffle=True, batch_size=256):
  dataframe = dataframe.copy()
  labels = dataframe.pop("FAMILY")
  ds = tf.data.Dataset.from_tensor_slices((dict(dataframe), labels))
  print(labels)
  if shuffle:
    ds = ds.shuffle(buffer_size=len(dataframe))
  ds = ds.batch(batch_size)
  return ds, labels, dataframe.values.tolist()

先感谢您！

Answer 1

您必须将x_train和y_train数据分开。 请参阅keras fit function 的文档：

Model.fit(
    x=None,
    y=None,
    batch_size=None,
    epochs=1,
    verbose="auto",
    callbacks=None,
    validation_split=0.0,
    validation_data=None,
    shuffle=True,
    class_weight=None,
    sample_weight=None,
    initial_epoch=0,
    steps_per_epoch=None,
    validation_steps=None,
    validation_batch_size=None,
    validation_freq=1,
    max_queue_size=10,
    workers=1,
    use_multiprocessing=False,
)

参数x代表您要训练的数据， y代表您的标签。 您必须重塑您的train_ds数据。

Answer 2

我认为这只是输入层形状的原因，model 将形状(rows, features)的数据集输入到 model 中，因此基于此形状(batch_size, features)和如您所知术语None表示批量大小，不需要为输入形状定义，所以在这里：

tf.keras.layers.InputLayer(input_shape=(len(feature_columns), 1))

应该改成

tf.keras.layers.InputLayer(input_shape=(len(feature_columns),))

或者这个

tf.keras.layers.InputLayer(input_shape=(None, len(feature_columns)))

tensorflow 的原因将假定输入形状中的术语None作为批量大小。

and basically, as i noticed this type of model (Conv1D) is for sequences but you are trying to implement model for a typical one, which takes features and then lead into output feature, which in this case is as label.

因此，如果我理解正确，请将您的 model 拱形更改为没有 Conv1d 层的 model，甚至根据我上面所说的更改 input_shape。 希望它会起作用。