卷积神经网络使用

问题描述

我有回归问题，大约有 20 个特征，预期输出是价格（浮动）。 我可以在这里使用卷积神经网络来预测价格吗？我同时使用了 1D、2D 卷积。

但我得到以下错误，

对于 2D，错误是

ValueError: 层序列 4 的输入 0 与层不兼容：预期 min_ndim=4，发现 ndim=2。收到完整形状：（无，18）

对于一维，误差为

ValueError: 层序列 4 的输入 0 与层不兼容：预期 min_ndim=3，发现 ndim=2。收到完整形状：（无，18）

我可以将 CNN 用于图像以外的数据吗？我在这里缺少什么。请在此处提供帮助。

下面是代码，

model2 = tf.keras.Sequential()
model2.add(tf.keras.layers.Conv1D(32,kernel_size=(3),strides=1,activation='relu'))
model2.add(tf.keras.layers.Batchnormalization())
model2.add(tf.keras.layers.Conv1D(64,strides=(2)))
model2.add(tf.keras.layers.ReLU())
model2.add(tf.keras.layers.Batchnormalization())
model2.add(tf.keras.layers.Dense(1,activation='linear'))
model2.compile(optimizer='adam',loss='mean_absolute_error',metrics['mean_absolute_error'])

解决方法

我发现了这个问题。 model.fit 中存在问题。而不是调用 model.fit(X_train,y_train,val=(X_test,y_test))。我以这种方式调用了 model.fit((X_train,y_train),y_Test))。由于额外的括号，模型试图将其称为 fit_generator 而不是 fit。