Podczas budowania CNN, otrzymuję skargi od Keras, które nie mają dla mnie sensu.

Question

Mój wejściowy kształt ma wynosić 100x100. Reprezentuje zdanie. Każde słowo jest wektorem o 100 wymiarach, aw zdaniu jest maksymalnie 100 słów.

Dostarczam osiem zdań do CNN. Nie jestem pewien, czy to oznacza, że ​​mój kształt wejściowy powinien mieć wartość 100x100x8.

Wtedy następujące linie

Convolution2D(10, 3, 3, border_mode='same', 
         input_shape=(100, 100)) 

narzeka:

Wejście 0 jest niezgodna z warstwy convolution2d_1: Oczekuje ndim = 4, uznał ndim = 3

To nie ma sensu do mnie mój wymiar wejściowy to 2. Potrafię przez to przejść zmieniając input_shape na (100,100,8). Ale "oczekiwany bit ndim = 4" po prostu nie ma dla mnie sensu.

Nie widzę też, dlaczego warstwa splotu 3x3 z 10 filtrami nie akceptuje wejścia o wartości 100x100.

Nawet ja otrzymuję skargę na temat "oczekiwanego ndim = 4". Występuje problem w mojej warstwie aktywacyjnej. Tam narzeka:

Nie można zastosować softmax do tensora, który nie jest 2D ani 3D. Tutaj ndim = 4

Czy ktoś może wyjaśnić, co się tutaj dzieje i jak to naprawić? Wielkie dzięki.

Answer 1

Brakującym wymiarem warstw splotów 2D jest wymiar "kanału".

Dla danych obrazu, wymiar kanału wynosi 1 dla obrazów w skali szarości i 3 dla obrazów kolorowych.

W twoim przypadku, aby upewnić się, że Keras nie będzie narzekać, możesz użyć splotu 2D z 1 kanałem lub splotu 1D z 100 kanałów.

Ref: http://keras.io/layers/convolutional/#convolution2d

Answer 2

miałem ten sam problem i rozwiązać go dodając jeden wymiar dla channel do input_shape argument.

Jakbym zrozumieć proponuję następujące rozwiązanie:

Convolution2D(10, 3, 3, border_mode='same', input_shape=(100, 100, 1))