python - keras 中的 1d CNN 音频

Question

我想尝试实现附图的神经网络架构:1DCNN_model

假设我有一个数据集 X，它是 (N_signals, 1500, 40)，其中 40 是我要对其进行一维卷积的特征数。 我的 Y 是 (N_signals, 1500, 2) 并且我正在使用 keras。 每个 1d 卷积都需要一个特征向量，如下图所示:1DCNN_convolution

因此它必须从 1500 个时间样本中取出一个 block ，将其传递给一维卷积层(沿时间轴滑动)，然后将所有输出特征提供给 LSTM 层。

我试图用这段代码实现第一个卷积部分，但我不确定它在做什么，我不明白它是如何一次接受一个 block 的(也许我之前需要预处理我的输入数据？ ):

input_shape = (None, 40)
model_input = Input(input_shape, name = 'input')
layer = model_input
convs = []
for i in range(n_chunks):
    conv = Conv1D(filters = 40,
                  kernel_size = 10,
                  padding = 'valid',
                  activation = 'relu')(layer)
    conv = BatchNormalization(axis = 2)(conv)
    pool = MaxPooling1D(40)(conv)
    pool = Dropout(0.3)(pool)
    convs.append(pool)
out = Merge(mode = 'concat')(convs)

conv_model = Model(input = layer, output = out)

有什么建议吗？非常感谢

Answer 1

非常感谢，我这样修改了我的代码:

input_shape = (1500,40)                             
model_input = Input(shape=input_shape, name='input')                    
layer = model_input                                                     
layer = Conv1D(filters=40,
               kernel_size=10,
               padding='valid',
               activation='relu')(layer)
layer = BatchNormalization(axis=2)(layer)                           
layer = MaxPooling1D(pool_size=40,
                     padding='same')(layer)                             
layer = Dropout(self.params.drop_rate)(layer)                           
layer = LSTM(40, return_sequences=True,
             activation=self.params.lstm_activation)(layer)         
layer = Dropout(self.params.lstm_dropout)(layer)
layer = Dense(40, activation = 'relu')(layer)
layer = BatchNormalization(axis = 2)(layer)                
model_output = TimeDistributed(Dense(2,
                                     activation='sigmoid'))(layer) 

我实际上在想，也许我必须置换我的轴，以使 maxpooling 层在我的 40 mel 特征轴上工作......