У меня есть модель Keras, подобная этой:
model=Sequential()
'''
filters=number of conv kernel
strides=step
'''
model.add(Convolution1D(filters=1000, kernel_size=11,strides=3,
input_shape=(train_num,data_dim),padding='same',
activation='relu',kernel_initializer='uniform'))
model.add(Convolution1D(filters=1000, kernel_size=7, strides=2, padding='same',
activation='relu',kernel_initializer='uniform'))
model.add(Convolution1D(filters=1000, kernel_size=3, strides=1, padding='same',
activation='relu',kernel_initializer='uniform'))
model.add(Dense(128,activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(128,activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(128,activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(3,activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='sgd',metrics=['accuracy'])
model.summary()
print("training starts.....")
model.fit(trX,trY,epochs=30,batch_size=100)
accuracy=model.evaluate(teX,teYY,batch_size=100)
predict_y = model.predict(teX)
print('\nTest accuracy:',accuracy[1])
#predict=model.predict(teY,batch_size=30)
save_model(model,'my_model_com3hl')
Моя форма входных данных (1,855,1000)
.Это значит, что у меня 855 сэмплов, а у каждого сэмпла 1000 дим.Но когда я тренировался, выборочная яркость выходной формы уменьшилась следующим образом, и произошла следующая ошибка:
Ошибка при проверке цели: ожидалось, что плотность_101 будет иметь форму (143, 3), но получен массив с формой(855, 3)
Вот краткое описание модели:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv1d_50 (Conv1D) (None, 285, 1000) 11001000
_________________________________________________________________
conv1d_51 (Conv1D) (None, 143, 1000) 7001000
_________________________________________________________________
conv1d_52 (Conv1D) (None, 143, 1000) 3001000
_________________________________________________________________
dense_98 (Dense) (None, 143, 128) 128128
_________________________________________________________________
dropout_71 (Dropout) (None, 143, 128) 0
_________________________________________________________________
dense_99 (Dense) (None, 143, 128) 16512
_________________________________________________________________
dropout_72 (Dropout) (None, 143, 128) 0
_________________________________________________________________
dense_100 (Dense) (None, 143, 128) 16512
_________________________________________________________________
dropout_73 (Dropout) (None, 143, 128) 0
_________________________________________________________________
dense_101 (Dense) (None, 143, 3) 387
=================================================================