conv1Dの形状の寸法

Question

1つのレイヤーでCNNを構築しようとしましたが、何か問題があります。 は確かに、compilatorは

ValueError: Error when checking model input: expected conv1d_1_input to have 3 dimensions, but got array with shape (569, 30)

これはあなたのデータは、前処理した後、右の形状ではありません詳細を見ることができず、コード

import numpy 
from keras.models import Sequential 
from keras.layers.convolutional import Conv1D 
numpy.random.seed(7) 
datasetTraining = numpy.loadtxt("CancerAdapter.csv",delimiter=",") 
X = datasetTraining[:,1:31] 
Y = datasetTraining[:,0] 
datasetTesting = numpy.loadtxt("CancereEvaluation.csv",delimiter=",") 
X_test = datasetTraining[:,1:31] 
Y_test = datasetTraining[:,0] 
model = Sequential() 
model.add(Conv1D(2,2,activation='relu',input_shape=X.shape)) 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
model.fit(X, Y, epochs=150, batch_size=5) 
scores = model.evaluate(X_test, Y_test) 
print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100)) 

Answer 1

TDと、

features  
.8, .1, .3 
.2, .4, .6 
.7, .2, .1 

へ：

[[.8 
.1 
.3], 

[.2, 
.4, 
.6 
], 

[.3, 
.6 
.1]] 

基本的にはこのようになりますデータセットを再形成

X = np.expand_dims(X, axis=2) # reshape (569, 30) to (569, 30, 1) 
# now input can be set as 
model.add(Conv1D(2,2,activation='relu',input_shape=(30, 1)) 

：Conv1dが意味をなすためにのためにLRあなたは空間次元を持っているあなたにデータを再構築する必要があります

説明と例

通常、畳み込みは空間次元で機能します。カーネルは、テンソルを生成する次元にわたって「畳み込まれている」。 Conv1Dの場合、カーネルはすべての例の 'steps'ディメンションに渡されます。

stepsが文中の単語の数であるNLPでConv1Dが使用されていることがわかります（一定の最大長に埋められます）。言葉はここでは長さのベクトル4

としてコード化されるかもしれないでしょう例文です：

jack .1 .3 -.52 | 
is  .05 .8, -.7 |<--- kernel is `convolving` along this dimension. 
a  .5 .31 -.2 | 
boy .5 .8 -.4 \|/ 

そして、私たちは、この場合にコンバージョンへの入力を設定するような方法：

maxlen = 4 
input_dim = 3 
model.add(Conv1D(2,2,activation='relu',input_shape=(maxlen, input_dim)) 

あなたの場合は、長さ1の各フィーチャで空間フィーチャとしてフィーチャを扱います（下記参照）

ここにあなたのデータセットの例があります

att1 .04 | 
att2 .05 | < -- kernel convolving along this dimension 
att3 .1  |  notice the features have length 1. each 
att4 .5 \|/  example have these 4 featues. 

そして、我々はとしてConv1D例を設定します：あなたはあなたのデータセットがへに再形成されなければならわかるように（569、30、1）

maxlen = num_features = 4 # this would be 30 in your case 
input_dim = 1 # since this is the length of _each_ feature (as shown above) 

model.add(Conv1D(2,2,activation='relu',input_shape=(maxlen, input_dim)) 

使用：

X = np.expand_dims(X, axis=2) # reshape (569, 30, 1) 
# now input can be set as 
model.add(Conv1D(2,2,activation='relu',input_shape=(30, 1)) 

をここでは、実行可能なフルフェッジの例を示します（Functional APIを使用します）

from keras.models import Model 
from keras.layers import Conv1D, Dense, MaxPool1D, Flatten, Input 
import numpy as np 

inp = Input(shape=(5, 1)) 
conv = Conv1D(filters=2, kernel_size=2)(inp) 
pool = MaxPool1D(pool_size=2)(conv) 
flat = Flatten()(pool) 
dense = Dense(1)(flat) 
model = Model(inp, dense) 
model.compile(loss='mse', optimizer='adam') 

print(model.summary()) 

# get some data 
X = np.expand_dims(np.random.randn(10, 5), axis=2) 
y = np.random.randn(10, 1) 

# fit model 
model.fit(X, y) 

Answer 2

であることを私に言います。三次元持って
リシェイプX：

np.reshape(X, (1, X.shape[0], X.shape[1]))