Заменить MLP на CNN

Question

Я создал NN со следующей архитектурой:

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

print(X_train.shape, X_test.shape, Y_train.shape, Y_test.shape)
(1901, 456, 3) (476, 456, 3) (1901, 3, 3) (476, 3, 3)

model = Sequential()

model.add(Flatten(input_shape=(456,3)))

model.add(Dense(64, activation='relu'))

model.add(Dense(32, activation='relu'))

model.add(Dense(3 * 3))

model.add(Reshape((3, 3)))

model.compile('adam', 'mse')

history = model.fit(X_train, Y_train, validation_data=(X_test, Y_test), epochs=100)

Теперь я хочу заменить эту архитектуру на аналоговый CNN, который делает то же самое; но при попытке реализовать это у меня всегда возникают проблемы с размерами разных слоев. И моя ошибка всегда такая:

ValueError: Ошибка при проверке ввода: ожидалось, что conv2d_3_input имеет 4 измерения, но получил массив с формой (x, x, x)

набор данных остается прежним меняется только архитектура NN, и это мой первый подход:

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
             activation='relu',
             input_shape=(1901,456,3)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(3, activation='softmax'))

Может ли кто-нибудь помочь мне заменить мой первый NN на CNN?

Answer 1

Ваша сеть четко определена, вы получаете ошибку во время операции fit. И почему это так.

Ну, Conv2D ищет данные с 4D формой, как вы можете видеть здесь: do c

Форма X_train должна затем be (samples, channels, rows, cols)

Когда вы дали input_shape=(1901,456,3), вам не нужно было указывать количество выборок.

Но во время операции fit вам нужно иметь данные в форме (samples, channels, rows, cols).

И теперь вы видите, что у вас есть проблема. Почему ваш X_train имеет такую ​​форму, кажется, что у вас есть только одно изображение. Вы можете скормить его, изменив форму, используя:

X_train = X_train.reshape((1, 1901, 456, 3))

Но это кажется странным, вы только подаете одно изображение в вашу сеть.

Редактировать: после уточнения комментариев, conv1D будет лучше в этом случае, вот как это сделать:

model = Sequential()
model.add(Conv1D(32, kernel_size=3,
             activation='relu',
             input_shape=(456,3)))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(pool_size=2))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(3 * 3, activation='softmax'))
model.add(Reshape((3, 3))

Answer 2

теперь все работало с архитектурой и также нет проблем при компиляции NN;

batch_size = 128
epochs = 12


model.compile(
 optimizer='rmsprop',
 loss=tf.keras.losses.MeanSquaredError(),
 metrics=['mse'],
 )

 model.fit(X_test, Y_train,
      batch_size=batch_size,
      epochs=epochs,
      verbose=1,
      validation_data=(X_test, Y_test))
 score = model.evaluate(X_test, Y_test, verbose=0)

но при попытке подгонки я получаю следующую ошибку:

ValueError: Input arrays should have the same number of samples as target 
arrays. Found 476 input samples and 1901 target samples.

что мне здесь не хватает?