python - Keras Conv1D 步骤参数

Question

我正在构建一个自然网络，但我不了解 Conv1D 的输入维度。参数是批处理、步骤、通道，我使用的是 to_categorical，所以我的数据适合这个输入形状。我只是不确定我是否使用了正确的输入。它目前是批处理、功能、to_categorical 数组。这个对吗？

标签： pythonmachine-learningkeraskeras-layer

Answer 1

下面的示例代码有望阐明如何使用 Conv1D 以及尺寸的含义。提醒一下，在 Keras 中，通常在定义模型时不指定批次/样本维度。它是从实际输入数据中自动推断出来的。这就是为什么在定义 x_train 和 y_train 之前看不到“num_samples”的原因。我希望这有帮助。

import tensorflow as tf
import numpy as np

num_output_units = 4
num_time_steps = 10
num_features = 6
num_samples = 20

myInput = tf.keras.layers.Input(shape=(num_time_steps, num_features))
x = tf.keras.layers.Conv1D(num_output_units, kernel_size=3, padding='same')(myInput)
final_output = tf.keras.layers.Dense(1)(x)

myModel = tf.keras.Model(inputs=myInput, outputs=final_output)

# display the model architecture
print(myModel.summary())

# Input data
x_train = np.random.random((num_samples, num_time_steps, num_features))

# Target/label data
y_train = np.random.random((num_samples, num_time_steps, 1))

myModel.compile(optimizer='rmsprop', loss='mse')

# train the model
myModel.fit(x_train, y_train, epochs=2)

myModel.predict(x_train)