python - Keras 中 Conv2D 的输入不正确

Question

我正在尝试学习使用Python中的深度学习来分析脑电图数据。不幸的是，我也是Python新手，所以试图找到最简单的可用工具。这让我想到了 Keras。

更准确地说，我正在尝试实现以下管道:

到目前为止，我似乎陷入了“S1”或“C2”的困境。到目前为止的想法是:

• 脑电图数据的输入部分(我现在将使用 1 x 6000)

• 通过 20 个一维滤波器 (1x200) 运行该结果

• 使用池 20、步长 10 对每个过滤的输出进行最大池化(生成 20 个 1x578 数据点)
• 将其“堆叠”成 20 x 578 矩阵
• 通过内核大小为 20 x 30 的 2D 卷积运行此代码

但是，下面的代码给出了以下错误:

model = Sequential()
model.add(Conv1D(input_shape=(1,6000), kernel_size=200,strides=1,
                 activation='sigmoid',filters=20))
model.add(MaxPooling1D(pool_size=20, strides=10,padding='same'))
model.add(Conv2D(filters=400,kernel_size=(20,30),strides=(1,1),activation='sigmoid'))

输出:

ValueError: Input 0 is incompatible with layer conv2d_4: expected ndim=4, found ndim=3

我确信这是一个微不足道的错误，但是浏览 keras 文档并没有让我变得更明智。

我意识到上面跳过了“堆叠”过程，但我能找到的最接近的东西是连接，这只是提示我没有给它任何输入。

我正在使用 theano 0.9.0.dev 和 keras 2.0.2

Answer 1

在从一维转变为二维之前，您需要 reshape 数据。有dedicated layer在喀拉斯。我想，你的模型可能会这样开始:

model = Sequential()
model.add(Conv1D(input_shape=(6000,1),kernel_size=200,strides=1,
             activation='sigmoid',filters=20))
model.add(MaxPooling1D(pool_size=20, strides=10,padding='same'))
model.add(Reshape((-1, 581, 20)))
model.add(Conv2D(filters=400,kernel_size=(20,30),strides=(1,1), 
             activation='sigmoid'))

我还将 input_shape 替换为默认尺寸排序。