https://github.com/willfleury/wind-forecasting/blob/master/Forecasting.ipynbにある風予報のシーケンシャルモデルを使用して畳み込みニューラルネットワークを適用する必要があります。このコードを使おうとすると、画像データでうまく機能しますが、風予報の例で同じ例を使用すると、エラーメッセージが表示されます。
「ValueError：入力をチェックするときにエラーが発生しました：conv2d_1_inputが4次元であると予想されましたが、形状（1、2634、5）の配列を取得しました」
私はグーグルで検索しようとしました、そして私はいくつかの答えを見つけました、しかしこれらの答えのどれも私の問題を解決しません。また、リシェイプを使ってみました。
import numpy as np
import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.optimizers import SGD
#data base information that I need to use
#number of feautures 3
#number of Cols 5
#number of Rows 6143
# Generate dummy data
x_train = np.random.random((100, 100, 100, 3))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)
x_test = np.random.random((20, 100, 100, 3))
y_test = keras.utils.to_categorical(np.random.randint(10, size=(20, 1)), num_classes=10)
# x_train = np.reshape(x_train, (x_train_scaled.shape[0], 1,x_train_scaled.shape[1]))
# x_test = np.reshape(x_test_scaled, (x_test_scaled.shape[0],1, x_test_scaled.shape[1]))
#
# y_train = np.reshape(y_train_scaled, (y_train_scaled.shape[0], 3))
# y_test = np.reshape(y_test_scaled, (y_test_scaled.shape[0], 3))
model = Sequential()
# input: 100x100 images with 3 channels -> (100, 100, 3) tensors.
# this applies 32 convolution filters of size 3x3 each.
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(100, 100, 3)))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd)
model.fit(x_train, y_train, batch_size=32, epochs=10)
score = model.evaluate(x_test, y_test, batch_size=32)
前もって感謝します。
CNNは、主に2Dデータ（高さと幅に少なくとも2つの次元が含まれている）を操作するために作成されていることに注意してください。また、CNNは、列の順序が重要であり、変更できない場合にのみ使用する必要があります。たとえば、画像内の列の順序を変更したり、列をシャッフルしたりすると、画像全体が変更されます。ただし、一般的なML分類の問題（Titanic-Survival Predictionなど）の場合は同じではありません。したがって、予測データの列の順序が重要であり、変更できないことを絶対に確認してください。そうでない場合は、CNNを使用せず、標準のRNNベースの予測方法に固執することをお勧めします。
そうは言っても、この場合は行ごとに行っているので、実際には2番目の次元はありません。これを1D畳み込み演算に渡してみてください。これを1Dconvに渡すと、実際には余分な次元が追加され、テンソルの高さが1と見なされます。これは、[1xn]形状のフィルターのように機能し、行全体を（水平方向にのみ）ストライドします。
お役に立てれば。
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加