我如何使用 keras 创建 3d 输入/3d 输出卷积模型？

Question

我有一个小问题我无法解决。

我想将具有完全连接的 MLP 的 CNN 模型实施到我的蛋白质数据库中，该数据库包含 2589 种蛋白质。每个蛋白质有 1287 行和 69 列作为输入，1287 行和 8 列作为输出。实际上有 1287x1 输出，但我对 class 标签使用了一种热编码，以在我的模型中使用交叉熵损失。

我也想要

如果我们考虑图像，我有一个 3d 矩阵 ** X_train = (2589, 1287, 69) 用于输入** 和 y_train =(2589, 1287 , 8) output,我的意思是output也是matrix.

下面是我的keras代码：

model = Sequential()
model.add(Conv2D(64, kernel_size=3, activation="relu", input_shape=(X_train.shape[1],X_train.shape[2])))
model.add(Conv2D(32, kernel_size=3, activation="relu"))
model.add(Flatten())
model.add(Dense((8), activation="softmax"))

但是我遇到了关于密集层的错误：

ValueError: Error when checking target: expected dense_1 to have 2 dimensions, but got array with shape (2589, 1287, 8)

好的，我知道 Dense 应该采用正整数单位（Keras 文档中的解释。）。但是我如何将矩阵输出实现到我的模型？

我试过了：

model.add(Dense((1287,8), activation="softmax"))

还有其他问题，但我找不到任何解决方案。

非常感谢。

Answer 1

Conv2D 层需要 (batch_size, height, width, channels) 的输入形状。这意味着每个样本都是一个 3D 数组。

您的实际输入是 (2589, 1287, 8)，这意味着每个样本的形状都是 (1289, 8) - 二维形状。因此，您应该使用 Conv1D 而不是 Conv2D.

其次你想要(2589, 1287, 8)的输出。由于每个样本都是二维形状，Flatten() 输入没有意义 - Flatten() 会将每个样本的形状减少到一维，而您希望每个样本都是二维的。

最后，根据 Conv 层的填充，形状可能会根据 kernel_size 发生变化。由于要保留 1287 的中间维度，请使用 padding='same' 以保持大小不变。

from keras.models import Sequential
from keras.layers import Conv1D, Flatten, Dense
import numpy as np

X_train = np.random.rand(2589, 1287, 69)
y_train = np.random.rand(2589, 1287, 8)


model = Sequential()
model.add(Conv1D(64, 
                 kernel_size=3, 
                 activation="relu", 
                 padding='same',
                 input_shape=(X_train.shape[1],X_train.shape[2])))
model.add(Conv1D(32, 
                 kernel_size=3, 
                 activation="relu",
                 padding='same'))
model.add(Dense((8), activation="softmax"))

model.summary()
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(X_train, y_train)

我如何使用 keras 创建 3d 输入/3d 输出卷积模型？

how i can create 3d input / 3d output Convolution model with keras?

3d

conv-neural-network

keras

keras-layer