Neural network 如何理解Keras一维卷积输入形状和滤波器

我花了一些时间来理解Keras Conv1D中的

input\u shape=（批量大小、步骤、输入尺寸）

，但到目前为止我没有取得任何进展

更具体地说，我有两个数据集

数据集-1：一年内每天24小时的太阳能生产，因此我的数据集大小为（364,24），天数为行，消耗量为列

2天的示例：

day-1: [0   0   0   0   0   0   0   1.611   5.791   8.229   9.907   9.649   8.401   6.266   4.728   2.231   0.306   0.013   0   0   0   0   0   0] 
day-2: [0   0   0   0   0   0   0   1.732   5.839   9.909   12.593  14.242  12.744  9.596   5.808   2.019   0.241   0   0   0   0   0   0   0]`

我想用CNN做的是用6天的数据来预测第7天。 因此，我对数据集进行了如下划分：

xtrain = dataset[0:6,0:24] # takes 24 hour of 6 days
ytrain = dataset[6,0:24] # takes 24 hour of 7th day
xtest = dataset[1:7,0:24] # takes 24 hours for 6 days (day2 to day7) to predict day 8

为了与Keras的输入形状兼容，我对训练数据进行了如下重塑：

xtrain = xtrain.reshape(6,1,24)

样本数：6，时间维度：1，输入维度：24

这是正确的想法吗

model.add(Conv1D(**filters?**,kernel_size=4,activation='relu', **input_shape=?**)) 

在我的第二个数据集中：

Training Data: Xtrain: Day-1 Hour-1 to Hour-24, Day-2 Hour-1 to Hour-24 ... Day-6 Hour-1 to Hour-24
Ytrain: Day-7 Hour-1 to Hour-24

我创建了一个新的数据集，行中每天24小时，列中7天，因此它是一个（8616,7）矩阵

Keras代码：

xtrain = dataset[0:24,0:6] # takes 24 hour for 6 days
ytrain = dataset[24:48,6] # takes 24 hour of 7th day
xtest = dataset[24:48,0:6] # takes 24 hours for 6 days (day2 to day7) to predict day 7

xtrain = xtrain[newaxis,:, :]
ytrain = ytrain.reshape(1,24)

---

我真的不明白过滤器和输入形状应该是什么。

您应该以如下结构重新格式化数据集：

[365,6,24]

第一个维度设置日期

第二个维度设置了时间步长（6天的进度），因此您应该每天对原始数据集进行6:365，然后24小时复制过去的6天

第三个维度是每小时

假设您订购了[1:365,1:24]的原始数据集：

xtrain=np.array（np.tile（xtrain[61]））

xtrain=np.重塑（xtrain，（365,6,24））

现在您有了conv1d所需的3D格式（批处理、时间步、通道）

xtrain = dataset[0:24,0:6] # takes 24 hour for 6 days
ytrain = dataset[24:48,6] # takes 24 hour of 7th day
xtest = dataset[24:48,0:6] # takes 24 hours for 6 days (day2 to day7) to predict day 7

xtrain = xtrain[newaxis,:, :]
ytrain = ytrain.reshape(1,24)