Conv1D输入形状

Question

我有这样的代码可以很好的工作。

input_shape = (1,3000,1000)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv1D(32,3,activation='relu',input_shape=(3000,1000))(x)
print(y.shape)

(1,2998，32)

我想在此基础上建立一个顺序模型，但当我尝试fit时，它在维度上给我带来了错误。

让我们来制作标签

l = np.random.randint(0,2,3000)

然后是模型和编译器。

m =  tf.keras.models.Sequential([
    tf.keras.layers.Conv1D(32,3,activation='relu',input_shape=(3000,1000))
])
m.compile(optimizer='adam',metrics=['accuracy'],loss='categorical_crossentropy')

最后，让我们来拟合这个模型

m.fit(x,l,epochs=2)

错误

ValueError:数据基数是模棱两可的:X尺寸:1y大小: 3000，确保所有数组都包含相同数量的样本。

有人能帮我弄明白怎么回事吗？

Answer 1

你有一个训练样本和3000张标签。X和y的形状为x= (1,3000,3000)：y= (3000)

Answer 2

import tensorflow as tf
import numpy as np

x = tf.random.normal((3000,1000,1))
y = np.random.randint(1,2,3000)

tf.keras.layers.Conv1D(10,2,input_shape=(3000,1000))(x)

m=tf.keras.models.Sequential([
                              tf.keras.layers.Conv1D(10,2,input_shape=(1000,1)),
                              tf.keras.layers.Flatten(),
                              tf.keras.layers.Dense(1)
                              ])

m.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])
m.fit(x,y,epochs=2)

在Keras Conv1D参考页Keras Conv1D中，它被写成：“当使用该层作为模型的第一层时，提供一个input_shape参数(整数元组或无，例如( 10,128)用于128个维向量的10个向量的序列，或(None，128个)用于128个维向量的可变长度序列。”

并且结束它的工作，但是如果conv1d被插入到一个顺序模型中，那么input_shape必须是0,1000,1。