用于非图像数据的 CNN

Question

我正在尝试从这个 https://machinelearningmastery.com/cnn-models-for-human-activity-recognition-time-series-classification/ 示例创建一个模型，该模型将输入 3（为了消除错误，将有 1000 个）输入，这些输入是维度 (17,40) 的数组：

[[[0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 5 5 5]
  ...
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]]

 [[0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  ...
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]]

 [[0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  ...
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]
  [0 0 0 ... 0 0 0]]]

输出是 0 到 8 之间的单个整数：

[[6]
 [3]
 [1]]

我使用一个CNN如下：

X_train, X_test, y_train, y_test = train_test_split(Xo, Yo)
print("Xtrain", X_train)
print("Y_train", y_train)
print("Xtest", X_test)
print("Y_test", y_test)
print("X_train.shape[1]", X_train.shape[1])
print("X_train.shape[2]", X_train.shape[2])
#print("y_train.shape[1]", y_train.shape[1])
verbose, epochs, batch_size = 1, 10, 10
n_timesteps, n_features, n_outputs = X_train.shape[1], X_train.shape[2], 1
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=2, activation='relu', input_shape=(n_timesteps,n_features)))
model.add(Conv1D(filters=64, kernel_size=2, activation='relu'))
model.add(Dropout(0.5))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

它给我以下错误： ValueError：您正在传递形状为 (6, 1) 的目标数组但实际上它应该只需要 1 个值作为输出。为什么我应该只取 1 个值作为输出时出现这样的错误消息？

Answer 1

Softmax层的大小应该等于类的个数。您的 Softmax 层只有 1 个输出。对于这个分类问题，首先，你应该把你的目标变成one-hot encoded格式，然后编辑Softmax层的大小为类.

的数量。

用于非图像数据的 CNN

CNN for non-image data

machine-learning

conv-neural-network