为什么我会发现试图运行Conv1D层的Conv2D错误？

Question

我正在尝试编写一个带有回归（一维浮点）输出的简单一维卷积。

model = Sequential()
model.add(Conv1D(filters=1, kernel_size=8, activation='relu'))
model.add(Dense(1, 'softmax'))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(x = x_train, y = y_train, epochs=3)

这给了我错误：

TypeError: Exception encountered when calling layer "conv1d" (type Conv1D).
Input 'filter' of 'Conv2D' Op has type float32 that does not match type int32 of argument 'input'.
Call arguments received:
• inputs=tf.Tensor(shape=(None, 30931, 4), dtype=int32)

即使我的代码是错误的，我怎么可能在没有 Conv2D 层的情况下得到 Conv2D 错误？

x_train 是一个包含 3361 个训练样本的 numpy 数组，每个 1d 数组的长度为 30931，具有 4 个通道的 np.int32 数据。 shape = (3361,30931, 4)

y_train 是一个包含 3361 个 np.float64 值的 numpy 数组，我正在训练我的网络进行识别。

这种输入数据格式应该有效吗？或者我需要转换它或使用其他数据类型？

我的 Conv1D 层中是否需要 input_shape 参数？如果是的话，应该是什么？

我意识到这过于简单化，并计划一个更复杂的网络来针对更多示例进行训练，但只想先运行它。

Answer 1

您的X_Train数据应为数据类型float。另外，您通常将2D数据拖放到1D中或将一些全局池操作应用于softmax输出层：

import tensorflow as tf

x_train = tf.random.normal((10,30931, 4), dtype=tf.float32)
y_train = tf.random.uniform((10,), maxval=2, dtype=tf.int32)
y_train = tf.keras.utils.to_categorical(y_train, 2)

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv1D(filters=1, kernel_size=8, activation='relu'))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(2, 'softmax'))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(x = x_train, y = y_train, epochs=3)

关于您的错误消息，conv1d和conv2d 图层使用tf.nn.convolution操作内部。有趣的是，问题是由参数过滤器引起的，该具有浮点数据类型，无法处理整数输入。