时间戳

首页 > 解决方案 > 用 CNN 代替 MLP

python - 用 CNN 代替 MLP

问题描述

我已经建立了一个具有以下架构的神经网络：

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

print(X_train.shape, X_test.shape, Y_train.shape, Y_test.shape)
(1901, 456, 3) (476, 456, 3) (1901, 3, 3) (476, 3, 3)

model = Sequential()

model.add(Flatten(input_shape=(456,3)))

model.add(Dense(64, activation='relu'))

model.add(Dense(32, activation='relu'))

model.add(Dense(3 * 3))

model.add(Reshape((3, 3)))

model.compile('adam', 'mse')

history = model.fit(X_train, Y_train, validation_data=(X_test, Y_test), epochs=100)

现在我想用一个类似的 CNN 替换这个架构，它做同样的事情；但是在尝试实现这一点时，我总是遇到不同层的尺寸问题。而我的错误总是这样

ValueError：检查输入时出错：预期 conv2d_3_input 有 4 个维度，但得到了形状为 (x, x, x) 的数组

数据集保持不变，只是 NN 架构发生了变化，这是我的第一种方法：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
             activation='relu',
             input_shape=(1901,456,3)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(3, activation='softmax'))

有人可以帮我将我的第一个 NN 替换为 CNN 吗？

标签： pythonkerasneural-networkconv-neural-network

解决方案

您的网络定义明确，您遇到的错误是在fit操作期间。为什么会这样。

Conv2D 正在寻找具有4D形状的数据，如您在此处看到的：doc

X_train 形状必须是(samples, channels, rows, cols)

当你给 时input_shape=(1901,456,3)，你不必指定样本的数量。

但在fit操作过程中，您需要有一个形状为 的数据(samples, channels, rows, cols)。

现在你看到你有一个问题。为什么你的 X_train 是这样的形状，看起来你只有一个图像。您可以通过使用以下方式对其进行重塑来喂养它：

X_train = X_train.reshape((1, 1901, 456, 3))

但这似乎很奇怪，您只向网络提供了一张图像。

编辑：在澄清评论后，conv1D 在这种情况下会更好，这里是如何做到的：

model = Sequential()
model.add(Conv1D(32, kernel_size=3,
             activation='relu',
             input_shape=(456,3)))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(pool_size=2))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(3 * 3, activation='softmax'))
model.add(Reshape((3, 3))

推荐阅读