问一维CNN、2D CNN和3D CNN输入形状的差异

EN

TLDR;您的X_train可以看作是(批处理、空间dims.、通道)。内核并行地应用于所有通道的空间维度。所以二维CNN，需要两个空间维(batch, dim 1, dim 2, channels)。

因此，对于(100,100,3)形状的图像，你将需要一个2D CNN，它在所有三个频道上都有100米高和100宽的旋转。

让我们理解上面的陈述。

首先，你需要了解CNN (总体上)在做什么。

一个内核是在其特征映射/通道之间通过张量的空间维数进行转换，同时执行一个简单的矩阵操作(如点积)到相应的值。

内核在空间维度上移动

现在，假设您有100个图像(称为批处理)。每幅图像为28×28像素，有3个通道R，G，B(也称为CNN上下文中的特征映射)。如果我以张量的形式存储这些数据，形状将是(100,28,28,3)。

但是，我可以只拥有一个没有任何高度(可能像信号)的图像，或者，我可以有一个额外的空间维度的数据，比如视频(高度、宽度和时间)。

一般来说，基于CNN的神经网络的输入是这样的。

​

​

相同的内核，所有通道

您需要知道的第二个关键点是，2D内核将在两个空间维度上进行转换，但是相同的内核将在所有的功能映射/通道上完成这一任务。所以，如果我有一个(3,3)内核。这个相同的内核将被应用于R，G，B通道(并行)，并在图像的Height和Width上移动。

操作是一个点积。

最后，操作(对于单个特征映射/通道和单个卷积窗口)可以可视化如下所示。

​

​

因此，，简而言之-

1. A内核被应用于数据的空间维(
2. )内核形状等于空间维的#
3. A内核同时应用于所有的特征映射/通道
4. 操作是内核和窗口

G 226之间的一个简单的点积

，让我们以具有单个功能映射/通道的张量为例(因此，对于图像，它将是灰度的)-

​

​

因此，有了这个直觉，我们可以看到，如果我想使用一个

1维，你的数据必须有一个空间维，这意味着每个样本都需要2D (空间维和通道)，这意味着X_train必须是一个三维张量(batch, spatial dimensions, channels)。

类似地，对于2D CNN，您将有2个空间维(例如H，W)，并且是三维样本(H, W, Channels)和X_train将是(Samples, H, W, Channels)。

让我们用密码来试试-

import tensorflow as tf
from tensorflow.keras import layers

X_2D = tf.random.normal((100,7,3))   #Samples, width/time, channels (feature maps)
X_3D = tf.random.normal((100,5,7,3)) #Samples, height, width, channels (feature maps)
X_4D = tf.random.normal((100,6,6,2,3))   #Samples, height, width, time, channels (feature maps)

为了申请一维CNN -

#With padding = same, the edge pixels are padded to not skip a few

#Out featuremaps = 10, kernel (3,)
cnn1d = layers.Conv1D(10, 3, padding='same')(X_2D) 
print(X_2D.shape,'->',cnn1d.shape)

#(100, 7, 3) -> (100, 7, 10)

为了申请2D CNN -

#Out featuremaps = 10, kernel (3,3)
cnn2d = layers.Conv2D(10, (3,3), padding='same')(X_3D) 
print(X_3D.shape,'->',cnn2d.shape)

#(100, 5, 7, 3) -> (100, 5, 7, 10)

对于3D CNN -

#Out featuremaps = 10, kernel (3,3)
cnn3d = layers.Conv3D(10, (3,3,2), padding='same')(X_4D) 
print(X_4D.shape,'->',cnn3d.shape)

#(100, 6, 6, 2, 3) -> (100, 6, 6, 2, 10)

由100x100x30输入形状，您是说批次大小是100吗？还是每个数据的形状为100x100x30？在第二种情况下，您必须使用Conv2D层。每个层的输入形状应该是：

Conv1D：(size1，channel_number)，Conv2D：(size1，size2，channel_number)，Conv3D：(size1，size2，size3，channel_number)

1DCNN，2DCNN，3DCNN表示卷积层各核和信道的维数。