如何理解Keras一维卷积输入形状和滤波器

Question

我花了一些时间来理解Keras Conv1D中的Conv1D，但到目前为止我还不能取得任何进展。

更具体地说，我有两个数据集。

数据集-1:一年中每天24小时的太阳能生产，所以我的数据集的大小是(364,24)，天是排的，消耗是列的。

2天的例子：

day-1: [0   0   0   0   0   0   0   1.611   5.791   8.229   9.907   9.649   8.401   6.266   4.728   2.231   0.306   0.013   0   0   0   0   0   0] 
day-2: [0   0   0   0   0   0   0   1.732   5.839   9.909   12.593  14.242  12.744  9.596   5.808   2.019   0.241   0   0   0   0   0   0   0]`

我想用CNN的6天数据来预测第7天。出于这个原因，我将数据集划分如下：

xtrain = dataset[0:6,0:24] # takes 24 hour of 6 days
ytrain = dataset[6,0:24] # takes 24 hour of 7th day
xtest = dataset[1:7,0:24] # takes 24 hours for 6 days (day2 to day7) to predict day 8

为了与Keras的输入形状兼容，我对培训数据进行了如下整形：

xtrain = xtrain.reshape(6,1,24)

样本数: 6，时间维数: 1，input_dimension:24

这个想法正确吗？

model.add(Conv1D(**filters?**,kernel_size=4,activation='relu', **input_shape=?**)) 

在我的第二个数据集中：

Training Data: Xtrain: Day-1 Hour-1 to Hour-24, Day-2 Hour-1 to Hour-24 ... Day-6 Hour-1 to Hour-24
Ytrain: Day-7 Hour-1 to Hour-24

我已经创建了一个新的数据集，它每天在行中花费24小时，在列中花费7天，因此它是一个(8616,7)矩阵。

hour-1 day-1, day-2 ... day-7
hour-2 day-1, day-2 ... day-7
...
hour-24 day-1, day-2 ... day-7
...
hour-1 day-2, day-3 ... day-8
hour-2 day-2, day-3 ... day-8
...
hour-24 day-2, day-3 ... day-8
...
hour-1 day-359, day-360 ... day-365
hour-2 day-359, day-360 ... day-365
...
hour-24 day-359, day-360 ... day-365

Keras代码：

xtrain = dataset[0:24,0:6] # takes 24 hour for 6 days
ytrain = dataset[24:48,6] # takes 24 hour of 7th day
xtest = dataset[24:48,0:6] # takes 24 hours for 6 days (day2 to day7) to predict day 7

xtrain = xtrain[newaxis,:, :]
ytrain = ytrain.reshape(1,24)

我真的不明白过滤器和input_shape应该是什么。

Answer 1

您应该在如下结构中重新格式化数据集：

365,6,24

第一个维度设定了一天。

第二维度设置时间步骤(6天以上的进度)，因此您应该在原始数据集6:365的每一天，然后复制过去的6天24小时。

第三维度是每小时一次

假设您的原始数据集为1:365,1:24已排序：

xtrain=np.array(np.tile(xtrain,6 1)) xtrain=np.reshape(xtrain，(365,6,24))

现在，您有了conv1d所需的3D格式(批处理、时间步骤、通道)。