Keras 用於大量樣本的 Conv1D 輸入

Question

我有一個包含大量樣本 1686663 和 107 個特征（1686663、107）的數據集。 我正在使用 keras 構建神經網絡，並想應用一維卷積 Conv1D。

Conv1D 的輸入是（批量大小、數字特征、時間步長）。 批量大小基本上是樣本的數量，但是在我的情況下，我不能使用對於我的 RAM 來說太大的樣本數量。 所以我選擇了一個批量大小 = 512。

in_shape = (batch_size,x_train.shape[1],1)

因此，我的輸入形狀現在是 (512, 107, 1)。

我重塑了訓練向量以匹配卷積：

x_train = x_train.reshape(x_train.shape[0],x_train_shape[1],1)

運行訓練時出現以下錯誤：

ValueError: Input 0 of layer "sequential_10" is incompatible with the layer: expected shape=(None, 512, 107, 1), found shape=(None, 107, 1) 

誰能告訴我我在這里缺少什么？

Answer 1

當您指定輸入形狀時，通過添加tf.keras.Input層作為第一層，或者通過直接在 model 的第一層中設置參數input_shape ，您不必添加批量大小。 因此，在您的情況下，它將是：

in_shape = (x_train.shape[1], 1)

通過采用您在fit()方法的batch_size參數中設置的值，批量大小會自動設置為輸入形狀的第一維。

但是，如果您這樣做(batch_size, x_train.shape[1], 1) ，它將兩次添加批量大小。

該錯誤基本上是說它期望找到(batch size, 512, 107, 1)但找到了(batch size, 107, 1) 。 預計會有額外的 512，因為您添加了兩次批量大小。