问卷积神经网络(Keras)的2D数据整形
EN

Stack Overflow用户

提问于 2018-12-22 02:09:47

回答 1查看 377关注 0票数 0

我有一个N_Samples by N_features N_samples，N_features的数据集和一个对应的标签集N_samples，N_labels我想使用keras中的Conv1D或Conv2D，但我不知道如何调整数据的形状以适应它

数据集约为100,000个样本，包含32个要素，标注数据集与6个标注分类(100000，6)的长度相同

model = Sequential()

model.add(Conv1D(64, kernel_size=3, activation=’relu’, input_shape=(None,N_features,1)))

# (i would add other layers after this but right now I don't have any)

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

model.fit(X_train, y_train, batch_size=32, epochs=3)

model.predict(X_test)

keras

conv-neural-network

reshape

回答 1

Stack Overflow用户

发布于 2018-12-22 06:05:58

如果您想使用Conv1D，您只需要添加一个大小为1的通道维度，即X_train.reshape(-1, X.shape[1], 1)。如果您希望使用Conv2D，您可以将其重塑为X_train.reshape(-1, 8, 4, 1)或任何类似的方式，以便第二和第三维的乘积将等于特征的数量。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/53889148

复制

相似问题

问卷积神经网络(Keras)的2D数据整形
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问卷积神经网络(Keras)的2D数据整形EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问卷积神经网络(Keras)的2D数据整形
EN