Keras 一维CNN、二维CNN和三维CNN的输入形状之间的差异

我第一次为图像分类建立CNN模型，我对每种类型（1D CNN、2D CNN、3D CNN）的输入形状以及如何确定卷积层中的滤波器数量感到有点困惑。我的数据是100x100x30，其中30是功能。 以下是我使用函数式API Keras为1D CNN撰写的文章：

def create_CNN1D_model(pool_type='max',conv_activation='relu'):
    input_layer = (30,1)
    conv_layer1 = Conv1D(filters=16, kernel_size=3, activation=conv_activation)(input_layer)
    max_pooling_layer1 = MaxPooling1D(pool_size=2)(conv_layer1)

    conv_layer2 = Conv1D(filters=32, kernel_size=3, activation=conv_activation)(max_pooling_layer1)
    max_pooling_layer2 = MaxPooling1D(pool_size=2)(conv_layer2)

    flatten_layer = Flatten()(max_pooling_layer2)
    dense_layer = Dense(units=64, activation='relu')(flatten_layer)

    output_layer = Dense(units=10, activation='softmax')(dense_layer)
    CNN_model = Model(inputs=input_layer, outputs=output_layer)
    return CNN_model
CNN1D = create_CNN1D_model()
CNN1D.compile(loss = 'categorical_crossentropy', optimizer = "adam",metrics = ['accuracy'])
Trace = CNN1D.fit(X, y, epochs=50, batch_size=100)

但是，在通过将Conv1D、maxpoolg1d更改为Conv2D和maxpoolg2d来尝试2D CNN模型时，我得到了以下错误：

ValueError: Input 0 of layer conv2d_1 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: (None, 30, 1)

---

谁能告诉我2D CNN和3D CNN的输入形状如何？输入数据预处理可以做什么？

通过100x100x30输入形状，您是说批量大小为100？或者每个数据都是100x100x30的形状？在第二种情况下，必须改用

Conv2D

层。每层的输入形状应为：

Conv1D

：（尺寸1，频道号），

Conv2D

：（尺寸1，尺寸2，频道号），

Conv3D

：（尺寸1，尺寸2，尺寸3，频道号）

---

1DCNN

，

2DCNN

，

3DCNN

表示卷积层的每个内核和通道的尺寸。

通过100x100x30输入形状，您是说批量大小为100吗？或者每个数据都是100x100x30的形状？在第二种情况下，必须改用

Conv2D

层。每层的输入形状应为：

Conv1D

：（尺寸1，频道号），

Conv2D

：（尺寸1，尺寸2，频道号），

Conv3D

：（尺寸1，尺寸2，尺寸3，频道号）

---

1DCNN

，

2DCNN

，

3DCNN

表示卷积层的每个内核和通道的尺寸。

TLDR您的

X_列车

可以被视为（批量、空间DIM…、通道）。内核并行应用于所有通道的空间维度。因此，2D CNN需要两个空间维度

（批次，尺寸1，尺寸2，通道）

因此，对于

（100100,3）

形状的图像，您需要一个2D CNN，它在所有3个通道上卷积超过100个高度和100个宽度

让我们理解上面的陈述

---

首先，你需要了解CNN（通常）在做什么

内核在其特征映射/通道上卷积张量的空间维度，同时执行简单的矩阵运算（如点积）到相应的值

内核在空间维度上移动 现在，假设您有100个图像（称为批处理）。每个图像是28×28像素，有3个通道R、G、B（在CNN上下文中也称为特征映射）。如果我将这些数据存储为张量，形状将是

（100,28,28,3）

然而，我可以有一个没有任何高度的图像（可能像一个信号），或者，我可以有一个额外的空间维度的数据，比如视频（高度、宽度和时间）

一般来说，以下是基于CNN的神经网络的输入情况

同一内核，所有通道 您需要知道的第二个关键点是，2D内核将在2个空间维度上进行卷积，但同一个内核将在所有功能映射/通道上进行卷积。因此，如果我有一个

（3,3）

内核。该内核将应用于R、G、B通道（并行），并在图像的

高度和
宽度上移动

操作是一个点积
最后，操作（对于单个特征映射/通道和单个卷积窗口）可以如下所示可视化


因此，简言之-

内核应用于数据的空间维度
内核形状等于空间维度的#
内核一次应用于所有功能映射/通道
该操作是内核和窗口之间的简单点积

让我们以具有单一特征贴图/通道的张量为例（因此，对于图像而言，它将是灰色缩放的）-


因此，凭直觉，我们可以看出，如果我想使用1D CNN，您的数据必须有一个空间维度，这意味着每个样本都需要是2D（空间维度和通道），这意味着
X\u列
必须是3D张量
（批次，空间维度，通道）

类似地，对于2D CNN，您将有两个空间维度（例如H，W），并且将是3D样本
（H，W，通道）
，而
X\U列
将是
（样本，H，W，通道）

让我们用代码试试这个-

import tensorflow as tf
from tensorflow.keras import layers

X_2D = tf.random.normal((100,7,3))   #Samples, width/time, channels (feature maps)
X_3D = tf.random.normal((100,5,7,3)) #Samples, height, width, channels (feature maps)
X_4D = tf.random.normal((100,6,6,2,3))   #Samples, height, width, time, channels (feature maps)

用于应用一维CNN-

#With padding = same, the edge pixels are padded to not skip a few

#Out featuremaps = 10, kernel (3,)
cnn1d = layers.Conv1D(10, 3, padding='same')(X_2D) 
print(X_2D.shape,'->',cnn1d.shape)

#(100, 7, 3) -> (100, 7, 10)

二维CNN的应用-

#Out featuremaps = 10, kernel (3,3)
cnn2d = layers.Conv2D(10, (3,3), padding='same')(X_3D) 
print(X_3D.shape,'->',cnn2d.shape)

#(100, 5, 7, 3) -> (100, 5, 7, 10)

对于3D CNN-

#Out featuremaps = 10, kernel (3,3)
cnn3d = layers.Conv3D(10, (3,3,2), padding='same')(X_4D) 
print(X_4D.shape,'->',cnn3d.shape)

#(100, 6, 6, 2, 3) -> (100, 6, 6, 2, 10)

TLDR您的
X_列车
可以被视为（批量、空间DIM…、通道）。内核并行应用于所有通道的空间维度。因此，2D CNN需要两个空间维度
（批次，尺寸1，尺寸2，通道）

因此，对于
（100100,3）
形状的图像，您需要一个2D CNN，它在所有3个通道上卷积超过100个高度和100个宽度

让我们理解上面的陈述


首先，你需要了解CNN（通常）在做什么

内核在其特征映射/通道上卷积张量的空间维度，同时执行简单的矩阵运算（如点积）到相应的值

内核在空间维度上移动
现在，假设您有100个图像（称为批处理）。每个图像是28×28像素，有3个通道R、G、B（在CNN上下文中也称为特征映射）。如果我将这些数据存储为张量，形状将是
（100,28,28,3）

然而，我可以有一个没有任何高度的图像（可能像一个信号），或者，我可以有这样的数据