python - 带有 keras 的 CNN 架构

Question

我正在使用 Python (keras) 处理二元分类问题。

我的 CNN 网络架构如下:

    def CNN():
      model = Sequential()
      model.add(Conv2D(64, kernel_size=(1, 3), activation='elu', padding='valid', input_size=(20,10, 1)))
      model.add(Conv2D(32, kernel_size=(1, 3), activation='elu', padding='valid'))
      model.add(Conv2D(16, kernel_size=(1, 3), activation='elu', padding='valid'))

      model.add(Flatten())
      model.add(Dense(512, activation='elu'))
      model.add(Dense(512, activation='sigmoid'))

现在我尝试在表格中描述我的 CNN 架构: 我有一个一维数据集，包含 200 列 200k 行。

批量大小 = 64

CNN 1 - 64 channel CNN 2 - 32 channel CNN 3 - channel 16

FC1 - 500 单位 FC2 - 1 台

这里我试图在表格中描述架构(本节中的问题)

-- CNN1 -- CNN2 -- CNN3 -- FC1 -- FC2

输入形状-- 64* 64 * 200 * 1 -- 32* 64 * 200 * 1 -- 16* 64 * 200 * 1 -- 16*64*200*1*500 - 16*64*200*1 *500

输出形状 -- 32* 64 * 200 * 1 - 16* 64 * 200 * 1 - 16* 64 * 200 * 1 - 16*64*200*1*500 -- 1

我在定义网络的正确输入输出形状时遇到了麻烦，寻求一些帮助。谢谢。

Answer 1

Keras 中用于图像分类的标准 CNN 的输入形状如下:

input_shape = ( batch_size , height , width , num_channels )

第一个 Conv2D 层的输入形状为:

img_height = 20
img_width = 10
num_channels = 1

model.add(Conv2D(64, kernel_size=(1, 3), activation='elu', padding='valid', 
input_size=(img_height,img_width, num_channels)))

由于您正在执行二元分类，最后一个Dense层将如下所示:

model.add(Dense(1, activation='sigmoid'))

此外，作为奖励，模型编译如下:

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