调整1 d CNN

30视图(30天)

显示旧的评论

费尔南多美尼斯 2021年7月26日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/886369-adapting-1d-cnn

评论道: 费尔南多美尼斯2021年7月30日

答:接受 Mahesh Taparia

你好,我试着适应1 d-cnn,最初描述的 https://arxiv.org/abs/1610.01683, 我的样品,有以下形式:

每类4类信号,30个样本,每个样本都是一个一维数组以100分。

从以前的文章(//www.tatmou.com/matlabcentral/answers/331164-convolutional-1d-net)我发现以下网络架构:

                         inputLayer = imageInputLayer ([6000]);
                        
                         c1 = convolution2dLayer ([200] 20“步”1);
                        
                         p1 = maxPooling2dLayer (20 [1],“步”10);
                        
                         c2 = convolution2dLayer ([30] 20, 400“numChannels”,20);
                        
                         p2 = maxPooling2dLayer (10 [1],“步”[1,2]);
                        
                         f1 = fullyConnectedLayer (500);
                        
                         f2 = fullyConnectedLayer (500);
                        
                         s1 = softmaxLayer;
                        
                         outputLayer = classificationLayer;
                        
                         事先= [inputLayer;c1;p1;c2;p2;f1;f2;s1; outputLayer]
                        
                         选择= trainingOptions (“个”);
                        
                         事先= trainNetwork (allData”标签,事先,选择);

输出:

                         事先=
                        
                         9 x1层数组与层:
                        
                         1”图像输入1 x6000x1图像zerocenter正常化
                        
                         2”卷积20 1 x200型旋转步[1]和填充[0 0]
                        
                         3”马克斯池1 x20的马克斯池步[10 10]和填充[0 0]
                        
                         4”卷积400 20 x30旋转步[1]和填充[0 0]
                        
                         5”马克斯池1 x10马克斯池步(1 2)和填充[0 0]
                        
                         6”完全连接500年完全连接层
                        
                         7”完全连接500年完全连接层
                        
                         8”Softmaxsoftmax
                        
                         9”分类输出叉

我改变一些参数来适应网络为我的样本,即:

                         inputLayer = imageInputLayer ([100]);%[6000][100]所取代
                        
                         c1 = convolution2dLayer (20 [1] 20“步”1);%(200)[1]20所取代
                        
                         p1 = maxPooling2dLayer (20 [1],“步”10);
                        
                         c2 = convolution2dLayer ([30] 20, 400“numChannels”,20);
                        
                         p2 = maxPooling2dLayer (10 [1],“步”[1,2]);
                        
                         f1 = fullyConnectedLayer (500);
                        
                         f2 = fullyConnectedLayer (500);
                        
                         s1 = softmaxLayer;
                        
                         outputLayer = classificationLayer;

我试着运行同样的网络,但是我得到了一个错误关于第四层的维度:

                         层4:输入大小不匹配。输入层的大小与预期的不同
                        
                         输入大小。
                        
                         输入这一层:
                        
                         从第三层(输出大小1×7×20)