多個Conv1D圖層：由於'conv1d_2 / convolution / Conv2D從1中減去8而導致的負尺寸大小

Question

關於卷積網絡，我仍然相當新手。 我正在嘗試在Keras中實現多個Conv1D層。 不幸的是，在第一層之后，任何后續層都會拋出以下錯誤：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimension size caused by subtracting 8 from 1 for 'conv1d_2/convolution/Conv2D' (op: 'Conv2D') with input shapes: [?,1,1,32], [1,8,32,32].

我原以為它可能與由於步幅導致的尺寸減小有關，但是在為兩個Conv1D線設置strides strides=1之后它仍然不起作用。 這是我的代碼。 如果for循環運行，則拋出錯誤。

#State branch
x = Conv1D(layerSize,8,strides=1)(inputState)
x = Activation("relu")(x)

for l in range(conv1Layer-1):
    x = Conv1D(layerSize,8,strides=1)(x)
    x = Activation("relu")(x)

x = MaxPooling1D(pool_size=1)(x)
x = Flatten()(x)
x = Model(inputs=inputState, outputs=x)

任何幫助或建議將不勝感激。 謝謝！

Answer 1

如果您不想在卷積后更改長度，請考慮在Conv1d的構造函數中指定padding='same' 。

有關詳細信息，請參閱文檔 。

Answer 2

必須在第一層之后將kernel_size更改為1。

編輯：或填充必須設置為相同！ 謝謝。