В рамках знакомства с глубоким обучением и Keras я пытаюсь реализовать следующую конвейерную линию:
Идея такова:
- входные секции данных ЭЭГ (6000x1 - это то, что я сейчас буду использовать)
- пропустите это через 20 1D-фильтров (200x1)
- сделать максимальный пул на выходе каждой из этих фильтров с пулом 20, шагом 10 (в результате получается 20 точек данных 578x1)
- "сложить" это в матрицу 578x20
- запустите это через 2D-свертку с размером ядра 30x20
- Снова макспул, с пулом (10,1), шагом(2,1)
- два последовательных полносвязных слоя
- 5-классовая функция softmax.
Мой код:
model = Sequential()
model.add(Conv1D(input_shape=(6000,1),kernel_size=200,strides=1,
activation='relu',filters=20,name='C1'))
model.add(MaxPooling1D(pool_size=20, strides=10,padding='valid',name='P1'))
model.add(Reshape(( 579, 20,1),name='S1'))
model.add(Conv2D(filters=400,kernel_size=(30,20),strides=(1,1),
activation='relu',name='C2'))
model.add(MaxPooling2D(pool_size=(10,1),strides=(2,1),padding='valid',name='P2'))
#model.add(Reshape((271*400,1,1),name='S2'))
model.add(Dense(500,activation='relu',name='F1'))
model.add(Dense(500,activation='relu',name='F2'))
model.add(Dense(5,activation='relu',name='output'))
model.add(Activation(activation='softmax',name='softmax'))
model.summary()
Результат этого:
Layer (type) Output Shape Param #
=================================================================
C1 (Conv1D) (None, 5801, 20) 4020
_________________________________________________________________
P1 (MaxPooling1D) (None, 579, 20) 0
_________________________________________________________________
S1 (Reshape) (None, 579, 20, 1) 0
_________________________________________________________________
C2 (Conv2D) (None, 550, 1, 400) 240400
_________________________________________________________________
P2 (MaxPooling2D) (None, 271, 1, 400) 0
_________________________________________________________________
F1 (Dense) (None, 271, 1, 500) 200500
_________________________________________________________________
F2 (Dense) (None, 271, 1, 500) 250500
_________________________________________________________________
output (Dense) (None, 271, 1, 5) 2505
_________________________________________________________________
softmax (Activation) (None, 271, 1, 5) 0
=================================================================
Total params: 697,925.0
Trainable params: 697,925.0
Non-trainable params: 0.0
_________________________________________________________________
И тут я путаюсь. Я бы хотел, чтобы на выходе F1 было просто 500x1 (500 нейронов), но это совсем не то, что я получаю? Должен ли быть еще один слой изменения формы между P2 и F1? Добавление «model.add(Reshape((271*400,1,1),name='S2'))» после P2 ничего не решает. У меня есть «image_data_format»: «channels_last» в keras.json, поэтому я предполагаю, что мои размеры представляют собой пакет — строку — столбец — канал?
Надеюсь, мой вопрос понятен.
