如何使用单速编码的基因组序列数据设计KERAS 2D-CNN模型?
i具有近50,000个固定长度的基因组序列。我正在尝试为2类分类问题建模2D-CNN。首先,我使用单芯片编码转换了序列。因此,每个样本(序列(成为4 x 200
矩阵。从这里,我从Github
中可用的许多mnist
示例中假设,我可以将此矩阵视为任何其他图像矩阵。因此,我编码类似于mnist
示例中给出的代码。这是我的代码
X_train = sample_matrices[0:N1]
X_valid = sample_matrices[N1:N2]
X_test = sample_matrices[N2:num_sample]
X_train = X_train.reshape(X_train.shape[0], row, col, 1)
X_test = X_test.reshape(X_test.shape[0], row, col, 1)
X_valid = X_valid.reshape(X_valid.shape[0], row, col, 1)
input_shape = (row, col, 1)
model = Sequential()
model.add(Conv2D(32, kernel_size = (3, 3),
activation = 'relu',
input_shape = input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
在这里 row = 4, col = 200
我收到了一个错误消息
ValueError: Negative dimension size caused by subtracting 3 from 2 for 'conv2d_2/convolution' (op: 'Conv2D') with input shapes: [?,2,198,32], [3,3,32,64].
我几乎可以肯定我在input_shape
上做错了什么,但我不确定。有人可以帮忙吗?抱歉,如果问题太幼稚。
错误来自您的第二层(Conv2D_2(。您正在收到此错误,因为第一层(Cons2D_1(会产生形状[?,2,198,32]
的矩阵(批次,行,Cols,频道(,然后尝试使用kernel_size=(3, 3)
(行,COLS(padding="valid"
(默认参数(,发生溢出。
您可以通过将padding="valid"
的默认设置更改为padding="same"
来避免此错误在Conv2D构造函数中,如文档所示https://keras.io/layers/convolutional/或通过更改conv2d_2的kernel_size=(1, 3)
(行,COLS(。
通过更改填充,您允许输入形状用零填充(如有必要(。例如:
-
"有效" =无填充:
Inputs: 1 2 ? <-- Overflow |_______| Output rows shape: ceil((rows_in - kernel_size[0] + 1) / strides[0]) = 0 Output cols shape: ceil((cols_in - kernel_size[1] + 1) / strides[1])
-
" same" =带零填充:
| pad Inputs: 1 2| 0 0 |_______| |_______| Output rows shape: ceil(rows_in / strides[0]) = 2 Output cols shape: ceil(cols_in / strides[1])
在此示例中:
- 输入行= 2(作为conv2d_1输出的行数(
- kernel_size = 3