web-dev-qa-db-ja.com

conv1Dの形状の次元

1つの層でCNNを構築しようとしましたが、いくつかの問題があります。確かに、コンピレーターは私にそれを言います

ValueError：モデル入力のチェック中にエラーが発生しました：conv1d_1_inputは3次元であると予想されますが、形状（569、30）の配列を取得しました

これはコードです

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))
pythonkerastext-classificationkeras-layer
48
protti

td; lrConv1dのspatialディメンションが意味を持つようにデータを変更する必要があります。

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))

基本的に次のようなデータセットを再形成します。

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

に：

[[.8
.1
.3],

[.2,
 .4,
 .6
 ],

[.3,
 .6
 .1]]

説明と例

通常、畳み込みは空間次元にわたって機能します。カーネルは、次元にわたって「畳み込まれ」、テンソルを生成します。 Conv1Dの場合、カーネルはすべての例の「ステップ」次元に渡されます。

NLPで使用されるConv1Dが表示されます。stepsは、文中の単語数です（一定の最大長まで埋め込まれます）。単語は長さ4のベクトルとしてエンコードされます。

これが例文です：

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、この場合の入力をconvに設定する方法：

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

あなたの場合、フィーチャを空間次元として扱い、各フィーチャの長さは1です（以下を参照）。

これはデータセットの例です

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、Conv1Dの例を次のように設定します。

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))

ご覧のとおり、データセットを（569、30、1）に変更する必要があります。

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))

実行できる本格的な例を次に示します（ 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)
96
orsonady

私は他の投稿でもこれについて言及しています：

シェイプ(nrows, ncols)の通常のフィーチャテーブルデータをConv1d of Kerasに入力するには、次の2つの手順が必要です。

xtrain.reshape(nrows, ncols, 1)
# For conv1d statement: 
input_shape = (ncols, 1)

たとえば、虹彩データセットの最初の4つの特徴を取得します。

通常の形式とその形状を確認するには：

iris_array = np.array(irisdf.iloc[:,:4].values)
print(iris_array[:5])
print(iris_array.shape)

出力は、通常の形式とその形状を示しています。

[[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]]

(150, 4)

次のコードは形式を変更します。

nrows, ncols = iris_array.shape
iris_array = iris_array.reshape(nrows, ncols, 1)
print(iris_array[:5])
print(iris_array.shape)

上記のコードデータ形式とその形状の出力：

[[[5.1]
  [3.5]
  [1.4]
  [0.2]]

 [[4.9]
  [3. ]
  [1.4]
  [0.2]]

 [[4.7]
  [3.2]
  [1.3]
  [0.2]]

 [[4.6]
  [3.1]
  [1.5]
  [0.2]]

 [[5. ]
  [3.6]
  [1.4]
  [0.2]]]

(150, 4, 1)

これは、ケラスのConv1dに適しています。 input_shape (4,1)が必要です。

3
rnso

詳細を見ることができなければ、データは前処理後に正しい形になりません。
Xを3次元に変形します。

np.reshape(X, (1, X.shape[0], X.shape[1]))
2
SerialDev

入力としてスパース行列があったので、通常の配列にキャストせずに再形成できませんでした

解決策は、keras Reshapeレイヤーを使用することでした。

from keras.layers.core import Reshape

...
model = Sequential()
model.add(Reshape((X.shape[1], 1), input_shape=(X.shape[1], )))
model.add(Conv1D(2,2,activation='relu'))
...
0
Vladimir Smirnov