Deep learning 如何重塑我的输入，将其送入一维卷积层进行序列分类？

我有一个包含339732行和两列的csv文件：

• 第一个是29个特征值，即X
• 第二个是二进制标签值，即Y
  dataframe=pd.read\u csv（“features.csv”，header=None） dataset=dataframe.values

  X = dataset[:, 0:29].astype(float)
  Y = dataset[:,29]
  X_train, y_train, X_test, y_test = train_test_split(X,Y, random_state = 42)
  

我试图在一维卷积层上训练它：

model = Sequential()
model.add(Conv1D(64, 3, activation='relu', input_shape=(X_train.shape[0], 29)))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(3))
model.add(Conv1D(128, 3, activation='relu'))
model.add(Conv1D(128, 3, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.fit(X_train, y_train, batch_size=16, epochs=2)
score = model.evaluate(X_test, y_test, batch_size=16)

因为Conv1D层需要一个3-D输入，所以我对输入进行了如下转换：

X_train = np.reshape(X_train, (1, X_train.shape[0], X_train.shape[1]))
X_test = np.reshape(X_test, (1, X_test.shape[0], X_test.shape[1]))

但是，这仍然会引发错误：

ValueError:输入形状为[1,1,1,29]，[1,3,29,64]的'conv1d_1/卷积/Conv2D'（op:'Conv2D'）从1中减去3导致负维度大小

---

有什么方法可以正确输入吗？

据我所知，1D卷积层接受Batchsize x Width x Channel形式的输入。您正在使用

X\u-train=np.重塑（X\u-train，（1，X\u-train.shape[0]，X\u-train.shape[1]）

---

但是

X\u train.shape[0]

是你的批量大小我想。我想问题就在这里。在重塑之前，你能告诉我X_系列的形状是什么吗？

你必须考虑你的数据在339732个条目或29个特征之间是否存在某种累进关系，这意味着顺序是否重要。如果不是，我认为CNN不适合这个案子

如果29个特征“表明某事的进展”：

X_train=X_train.重塑（（X_train.形状[0]，X_train.形状[1]，1））

如果这29个特征是独立的，那么就像图像上的通道一样，但只有1个就没有意义了

X_-train=X_-train.reformate（（X_-train.shape[0]，1，X_-train.shape[1]））

如果要在顺序重要的块中选择339732项（剪裁339732或添加零填充以使其可被时间步整除），请执行以下操作：

X_train=X_train.重塑（（int（X_train.shape[0]/timesteps），timesteps，X_train.shape[1]，1））

---

重塑前，X_列车的形状为（339732,29）。此外，在序列情况下，信道的可能值是多少？（这仅仅对图像来说是有意义的吗？）好的，那么你要做的就是给CNN提供一个长度为29的向量。339732这样的向量存在。你可以把它们想象成一幅高1、宽29、通道1的图像。CNN2D输入形状将为（1,29,1）as（行、列、通道）。CNN1D输入形状应为（29,1）。请将CNN1D的X_列车重塑为（339732 X 29 X 1），如果您使用的是CNN2D，请将其重塑为（339732 X 1 X 29 X 1）。这应该行得通。这样做了，给出了错误：

ValueError:检查模型输入时出错：预期conv1d_1_输入具有形状（无，339732，29），但获得了具有形状（339732，29，1）的数组。

My bad。将输入形状调整为

（29,1）

就可以了！