#python #tensorflow #keras #deep-learning #conv-neural-network
Вопрос:
Я пытаюсь построить классификатор TCNN для классификации сигналов данных ЭЭГ, у меня есть набор функций x(208 функций) и двоичных меток y, извлеченных из данных ЭЭГ.Следующим шагом я хочу реализовать классификатор TCNN. Моя проблема заключается в редактировании input_shape для разных классификаторов NN , для CNN я изменил свои функции обучения и тестирования
feat = feat.reshape(feat.shape[0], feat.shape[1], 1) затем для модели у меня есть эти строки, где 208-это количество функций, которые у меня есть:
model = Sequential() model.add(Conv1D(128, x_train1.shape[1], input_shape=(1,208))) model.add(Dense(1, activation = 'sigmoid')) sgd = tf.keras.optimizers.SGD(learning_rate=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='mean_squared_error', optimizer='sgd',metrics=['accuracy','AUC']) Теперь перейдем к режиму TCNN
model = Sequential() model.add(Conv1D(128, x_train1.shape[1], input_shape=(1,208))) model.add(Dense(1, activation = 'sigmoid')) sgd = tf.keras.optimizers.SGD(learning_rate=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='mean_squared_error', optimizer='sgd',metrics=['accuracy','AUC']) У меня возникли проблемы с пониманием того, как изменить input_shape для моей проблемы классификации без изображений для TCNN и для разных NN в целом