检查输入时出错:预期conv2d_1_input有4个尺寸,但得到的形状为数组(800,1000)

问题描述 投票:-1回答:3

我正在尝试使用CNN进行情感分析我的代码我的数据有(1000,1000)形状当我将数据传递给convolution2D时它给我一个错误。我无法解决。我试过下面的解决方案,但仍面临问题。 When bulding a CNN, I am getting complaints from Keras that do not make sense to me.

我的代码如下。

TfIdf = TfidfVectorizer(max_features=1000) 
X = TfIdf.fit_transform(x.ravel()) 
Y = df.iloc[:,1:2].values


X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2,random_state=1)

classifier = Sequential()

classifier.add(Convolution2D(32, kernel_size=(3,3), input_shape=(1000, 1000, 1), activation = 'relu'))

classifier.add(MaxPooling2D(pool_size=(2,2)))

classifier.add(Flatten())

classifier.add(Dense(output_dim =  128, activation='relu'))

classifier.add(Dense(output_dim =  1, activation='sigmoid'))

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

classifier.fit(X_train, Y_train, batch_size = 10, nb_epoch = 100, validation_data=(X_test,Y_test))

(loss,accuracy) = classifier.evaluate(X_test,Y_test, batch_size =10)

print(accuracy)
machine-learning keras deep-learning artificial-intelligence conv-neural-network
3个回答
0
投票

我可能错了,但对我来说,您需要扩展数据维度以便与您的网络对应:

喜欢:

X = np.expand_dims(X, axis=-1)

0
投票

您的神经网络期望数据是四维的。尺寸是(samples, rows, columns, channels)。您的输入数据似乎只是二维的。您需要添加第一个维度,因为Keras希望在输入处获得更多样本。您可以将样本的维度添加到当前输入矩阵中

X = X[np.newaxis, ...]

它将为大小为1的样本添加第一个维度。您还需要添加当前缺少的通道的维度作为最后一个维度。

这两个操作都可以一步执行:

X = X[np.newaxis, ..., np.newaxis]

0
投票

我添加了嵌入层并用1d替换了2d卷积层。但即使我改变了参数,我的准确性也是不变的。

这是我的代码。

classifier = Sequential()

classifier.add(Embedding(1000,64,input_length=1000))

classifier.add(Convolution1D(32, kernel_size=3, activation = 'relu'))

classifier.add(MaxPooling1D(pool_size=2))

classifier.add(Flatten())

classifier.add(Dense(output_dim =  128, activation='relu'))

classifier.add(Dense(output_dim =  1, activation='sigmoid'))

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy']) 
© www.soinside.com 2019 - 2024. All rights reserved.