Keras - CNNモデル要約Diemension解釈

Question

この深い学習モデルを構築するために、Kerasライブラリを使用しています：INPUT（深さ= 1、高さ= 15、幅= 27）→CONV [深さ= 8]（高さ= 4、幅= 27） - > POOL（高さ= 2、幅= 1） - >（回帰）出力。

convolution2d_1の出力形状が（None、8、12、1）で、pooling2d_1の出力形状が（None、8、6、1）であると予想します。 （None、8、15、27）と（None、8、7、27）を得ています。

私は何をやっているのか、ここで間違っていると解釈していますか？

P .:この設定では、ベースラインエラー：99.23％！

print "SHAPE OF INPUT IS:", num_train_3D, depth, height, width 
inp = Input(shape=(depth, height, width)) 
conv_1 = Convolution2D(8, 4, 27, border_mode='same', activation='relu')(inp) 
pool_1 = MaxPooling2D(pool_size=(2, 1))(conv_1) 
''' Now flatten to 1D, apply FC -> ReLU (with dropout) -> softmax ''' 
flat = Flatten()(pool_1) 
out = Dense(1)(flat) #regression 

model = Model(input=inp, output=out) # To define a model, just specify its input and output layers 

print "Model Summary:" 
print model.summary() 

=====================================

SHAPE OF INPUT IS: 53745 1 15 27 
Model Summary: 
____________________________________________________________________________________________________ 
Layer (type)      Output Shape   Param #  Connected to      
==================================================================================================== 
input_1 (InputLayer)    (None, 1, 15, 27)  0            
____________________________________________________________________________________________________ 
convolution2d_1 (Convolution2D) (None, 8, 15, 27)  872   input_1[0][0]      
____________________________________________________________________________________________________ 
maxpooling2d_1 (MaxPooling2D) (None, 8, 7, 27)  0   convolution2d_1[0][0]    
____________________________________________________________________________________________________ 
flatten_1 (Flatten)    (None, 1512)   0   maxpooling2d_1[0][0]    
____________________________________________________________________________________________________ 
dense_1 (Dense)     (None, 1)    1513  flatten_1[0][0]     
==================================================================================================== 
Total params: 2,385 
Trainable params: 2,385 
Non-trainable params: 0 

Answer 1

border_mode='same'をborder_mode='valid'に変更してください。ボーダーモードsameは、畳み込みレイヤーの出力がその入力と同じ形状であることを確認するために、入力にゼロパディングを追加します。ボーダーモードの場合valid畳み込みは、入力とフィルターが完全に重なるところでのみ実行されます。