只是想知道是否有人这样做过?我有一个一维的数据集(但不确定它是否是正确的单词选择)。与通常的 CNN 输入图像(二维)不同,我的数据只有一维。一个例子是:
instance1 - feature1, feature2,...featureN
instance2 - feature1, feature2,...featureN
...
instanceM - feature1, feature2,...featureN
如何将我的数据集与 CNN 结合使用?我看过的接受以下形式的图像(例如 AlexNet 和 GoogleNet):
instance1 - 2d feature matrix
instance2 - 2d feature matrix2
...
instanceM - 2d feature matrixN
感谢任何帮助。
谢谢!
最佳答案
如果您的数据在空间上相关(您说不是),那么您会将其提供给形状为 1xNx1 或 Nx1x1(行 x 列 x channel )的卷积网络(或者,具体来说,卷积层)。
如果这根本不是空间数据 - 您只有 N 个非空间相关的特征,那么形状应该是 1x1xN。
为了完整起见,我应该指出,如果您的数据确实是非空间的,那么使用卷积层/网络确实没有意义。您可以将其塑造为 1x1xN,然后使用 1x1 卷积,但由于 1x1 卷积与全连接(又称为密集,又称为线性)层执行完全相同的操作,因此您也可以直接使用它.
关于machine-learning - 使用 CNN 处理一维数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40355288/