车辆轨迹预测训练时mini-batch格式错误排查求助

问题背景 #

车辆轨迹预测任务：使用t-30时刻序列数据预测t+30时刻轨迹，数据维度与格式如下：

• 邻居占用矩阵：13×3×1×30×138634（13×3网格、1通道、30序列长度、138634样本数），格式SSCTB
• 目标车辆数组：30×3×138634（30序列长度、3代表(x,y,v)、138634样本数），格式TCB

训练触发错误：

Error forming mini-batch for network input "sequenceinput". Data interpreted with format "SSCTB". To specify a different format, use the InputDataFormats option.
Error in main (line 488)
trainnedNet = trainnet(TrainDS,net,"l2loss",options);
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
Caused by:
Batch dimension of datastore must match the format batch dimension (5).

问题根源 #

1. Datastore使用错误：原代码将整个训练集打包为单个cell存储，signalDatastore读取后仅生成1个数据条目，trainnet无法拆分出mini-batch，导致batch维度不匹配。
2. ValidationData参数格式错误：组合后的验证集datastore已包含输入与标签，无需单独传入标签datastore。
3. 未指定输出数据格式：损失函数无法正确解析标签的维度格式。

修正方案 #

1. 重构数据存储与Datastore创建 #

替换原代码中save与datastore创建部分，改用arrayDatastore按样本维度拆分数据：

% 加载数据后直接处理数组，无需打包为cell
X1Train = permute(input_neigh_odd(:,:,:,:,trainIdx), [1 2 3 5 4]); % 转为SSCTB格式：(13,3,1,30,Batch)
X2Train = input_target_odd_centered(:,:,trainIdx); % TCB格式：(30,3,Batch)
YTrain = input_target_even_centered(:,:,trainIdx); % TCB格式：(30,3,Batch)

X1Val = permute(input_neigh_odd(:,:,:,:,valIdx), [1 2 3 5 4]);
X2Val = input_target_odd_centered(:,:,valIdx);
YVal = input_target_even_centered(:,:,valIdx);

% 使用arrayDatastore按batch维度拆分样本
dsX1Train = arrayDatastore(X1Train, 'IterationDimension', 5); % 第5维为batch，每次迭代取1个样本
dsX2Train = arrayDatastore(X2Train, 'IterationDimension', 3); % 第3维为batch
dsYTrain = arrayDatastore(YTrain, 'IterationDimension', 3);

dsX1Val = arrayDatastore(X1Val, 'IterationDimension', 5);
dsX2Val = arrayDatastore(X2Val, 'IterationDimension', 3);
dsYVal = arrayDatastore(YVal, 'IterationDimension', 3);

% 组合输入与标签
TrainDS = combine(dsX1Train, dsX2Train, dsYTrain);
ValDS = combine(dsX1Val, dsX2Val, dsYVal);

2. 修正trainingOptions参数 #

调整ValidationData格式，新增OutputDataFormat指定标签格式：

alpha = 0.001;
options = trainingOptions( ...
    "adam", ...
    "InputDataFormats", {'SSCTB', 'TCB'},...
    "OutputDataFormat", 'TCB', % 指定输出标签的格式为TCB
    Plots="training-progress", ...
    ValidationData = ValDS, % 直接传入组合后的验证集（输入+标签）
    ValidationFrequency = 100, ...
    ValidationPatience = 5, ...
    ExecutionEnvironment = "parallel-auto",...
    MaxEpochs = 15,...
    InitialLearnRate=alpha,...
    MiniBatchSize=256,...
    L2Regularization=0.0001,...
    Verbose=false);

3. 确认网络输入层匹配 #

原网络输入层与数据格式已匹配，无需修改：

• sequenceInputLayer([13 3 1])对应SSCTB的空间维度与通道数
• sequenceInputLayer(3)对应TCB的特征维度

内容的提问来源于stack exchange，提问作者Barbaros Teoman Kosoglu