Keras &引用；损失：楠“；在培训中；卷积1D“；表格数据的神经网络

我需要实现CNN对表格数据集进行多类分类。 我的数据有X_train.shape=（1534185,81,1）和Y_train=（1534185,11）

这是我的数据集中的一个示例

我试图规范化数据，但值太大，无法添加并存储在float64中

下面是我实现的CNN模型

batchSize =  X_train.shape[0]
length =  X_train.shape[1]
channel = X_train.shape[2]
n_outputs = y_train.shape[1]


#Initialising the CNN
model = Sequential()

#1.Multiple convolution and max pooling

model.add(Convolution1D(filters=64, kernel_size=3, activation="relu", input_shape=(length, channel)))
model.add(MaxPooling1D(strides=4))
model.add(Dropout(0.1))
model.add(BatchNormalization())


model.add(Convolution1D(filters= 32, kernel_size=3, activation='relu'))
model.add(MaxPooling1D(strides=4))
model.add(Dropout(0.1))
model.add(BatchNormalization())


model.add(Convolution1D(filters= 16, kernel_size=3, activation='relu'))
model.add(MaxPooling1D(strides=4))
model.add(Dropout(0.1))
model.add(BatchNormalization())

#2.Flattening
model.add(Dropout(0.2))
model.add(Flatten())

#3.Full Connection

model.add(Dense(30, activation='relu'))
model.add(Dense(n_outputs, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

如果我试图更改内核大小，我会得到以下错误

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'max_pooling1d_103/MaxPool' (op: 'MaxPool') with input shapes: [?,1,1,16].

当我尝试使用下面的代码来训练我的模型时，loss=Nan并没有提高准确性

history = model.fit(
    X_train,
    y_train,
    batch_size=1000,
    epochs=2,
    validation_data=(X_test, y_test),
)

损失：楠

Error:
Train on 1534185 samples, validate on 657509 samples
Epoch 1/2
 956000/1534185 [=================>............] - ETA: 1:44 - loss: nan - accuracy: 0.0101

---

需要您的帮助

尝试检查inf值并将其替换为nan，然后重试

X_train.replace([np.inf, -np.inf], np.nan,inplace=True)
X_train = X_train.fillna(0)

---

有人能解释与内核大小增加相关的错误原因吗？