如何用合適的輸入形狀訓練 CNN？

Question

我正在嘗試使用 S&P 500 數據集訓練 CNN 和 LSTM.network。 這是我的火車數據集的形狀：

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

這是我給 CNN 的輸入形狀：

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

使用代碼中顯示的輸入形狀參數，我收到此錯誤：

ValueError：層 conv1d_8 的輸入 0 與層不兼容：：預期 min_ndim=3，發現 ndim=2。 收到完整形狀：[無，16]

Answer 1

expected min_ndim=3, found ndim=2.

Keras 在使用 Conv1D 時期望三維 arrays：期望的形狀是[batch_size, sequence_length, feature_dimension] 。 在你的情況下，你只有一個特征維度，我懷疑價格，但假設你還想傳遞交易量數據，你會有xtrain.shape == (6445,16,2) 。 最后一個維度將包含有關價格和數量的信息。

要解決您的問題，您需要將xtrain重塑為

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

為此，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

這個 function 顧名思義：它在 axis 指定的 position 中添加了一個新axis 。 這導致xtrain具有我們想要的形狀，現在您可以繼續使用 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)))