machine-learning - 用于一维数据的 tensorflow conv1d 和 max_pool

Question

我正在尝试使用 tensorflow 创建一个 CNN(卷积网络)以应用于一维数据集。我的数据结构为 float 行，每个 float 都有一个关联的单热目标(feature1、feature2 ... feature100; y_val)

我已经通过基本的多层感知器运行它，但想要利用特征空间中的“局部性”，以及通过池化等利用特征空间的“下采样”。

问题是我无法找到任何方法来使用tensorflow来做到这一点 - conv1d 或 conv2d 函数 - 会产生错误

ValueError: Shape must be rank 4 but is rank 3 for 'conv1d_4/Conv2D' (op: 'Conv2D') with input shapes

当我尝试创建池化层时，事情只会变得更糟。

我的问题是:有人在 tensorflow 中做过一维 CNN 吗？如果是这样，您能给我一些代码示例，以便我能得到更具体的理解吗？

谢谢!

Answer 1

您可以尝试tf.layers.max_pooling1d 。

它支持3阶输入，其格式为(批处理，长度， channel )。或者您可以使用 data_format 参数指定您自己的格式。

并且支持tf.layers.conv1d的输出。