用卷积对心音进行分类的总结1

一：所用的神经网络——cnn

1;心音数据特点：是1维的

2：用到的卷积，池化层等也是1d 的（用法和2d的差不多，只是输入是3D的[batch,n_w,n_c]，相对于2d少了高度n_h）：如下：tf.nn.conv1d（），tf.layers.max_pooling1d（）

  input_tmp=input_data
    ###第一层卷积
    conv1=tf.nn.conv1d(input_tmp,parameters["FW1"],stride=1,padding="VALID")
    Z1=tf.nn.bias_add(conv1,parameters["b1"])
    A1=tf.nn.relu(Z1)
    P1= tf.layers.max_pooling1d(A1,pool_size=[2],strides=[2],padding="valid")
    ###第二层卷积
    conv2=tf.nn.conv1d(P1,parameters["FW2"],stride=1,padding="VALID")
    Z2=tf.nn.bias_add(conv2,parameters["b2"])
    A2=tf.nn.relu(Z2)
    P2=tf.layers.max_pooling1d(A2,pool_size=[2],strides=[2],padding="valid")

    #flatten 
    P2=tf.contrib.layers.flatten(P2)
    ###fully_connected
    fc1=tf.contrib.layers.fully_connected(P2,20)
    output=tf.contrib.layers.fully_connected(fc1,1)

2：初始变量。（采用了单独定义）

def weight_initializer(weight_sizes=[[5,8],[5,4]]):   ###语音 1维， 通道数也为 ：1  -->>[1,5,1,8]  和[1,5,1,4]
    
    parameters={}
    length=len(weight_sizes)
    for i,weight_size in enumerate(weight_sizes):
        if i==0:
            parameters["FW"+str((i+1)+10)]=tf.get_variable("FW"+str((i+1)+10),[weight_size[0],1,weight_size[1]],
                                                      initializer=tf.truncated_normal_initializer(stddev=0.1))
            parameters["b"+str((i+1)+10)]=tf.get_variable("b"+str((i+1)+10),
                                                     [weight_size[1]],initializer=tf.constant_initializer(0.1))
        else:

 parameters["FW"+str((i+1)+10)]=tf.get_variable("FW"+str((i+1)+10),[weight_size[0],weight_sizes[i-1][1],weight_size[1]],   initializer=tf.truncated_normal_initializer(stddev=0.1))  ##权重和上一个通道匹配

            parameters["b"+str((i+1)+10)]=tf.get_variable("b"+str((i+1)+10),
                                                     [weight_size[1]],initializer=tf.constant_initializer(0.1))

return parameters

二：遇到的问题及解决办法：

1. Incompatible shapes: [160,1] vs. [2,1]
[[Node: sub = Sub[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/gpu:0"](Reshape_2, Reshape_3)]]   ###      拉直时，拉错了方向，导致维度匹配不上，重新tf.reshape() 

2.ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.  ppp2.shape: (10, ?)

这种情况是由于 tf.reshape ()时，设定大小时存在张量，而不是确切的常数:  如：tf.reshape (x,[-1,y.shape[0]])  ,有时因 y.shape[0]，导致识别不了，这种情况，只需中途找个变量(转化为 int )过渡一下（v =int(y.shape[0])），然后再 tf.reshape (x,[-1,v])  就可以了

3.TypeError: unsupported operand type(s) for +: 'int' and 'Dimension'

如：tmp03=1+ppp[0].shape[1] 解决办法：将两者交换顺序即可：即 tmp03=ppp[0].shape[1] +1 （其他的运算操作也一样）