tensorflow - 如何在 tensorflow 中将非图像输入用于卷积神经网络？

Question

我有一个数据集 ([n][13]) 像:

 1)      -3.3 -15.0 41 1026.3 16.1 0 25.9 37.0 0 0 0 280 0

 2)      -3.9 -13.9 46 1028.0 16.1 0 20.4 0 0 0 0 280 0

 3)      -3.9 -13.3 49 1028.8 16.1 0 22.2 0 0 0 0 270 0

 4)      -4.4 -12.2 55 1029.5 16.1 0 11.1 0 0 0 0 260 0

...

 n)      -1.1 -10.6 49 1030.0 16.1 0 14.8 0 0 0 0 280 0

使用这个数据集，我想在 Tensorflow 中创建一个卷积神经网络并进行预测。

我知道实际上用于图像的卷积神经网络，但我看到了一些非图像输入的例子。

我可以使用这些数据创建卷积神经网络吗？我该如何创建？你能给我任何线索或教程或来源吗？

Answer 1

这看起来不像适合 convnet 的数据 - convnets 假设在本地共享权重是有意义的，因此当数据中存在某种形式的局部性时它们是有意义的。因此，如果从特征到“附近”特征之间存在连接，那么对于图像以外的其他事物是有意义的——例如在时间序列或音频中，其中相邻的特征发生在附近的时间点。您的数据看起来像是未连接的列(即使在不同的尺度上)。

您的数据也是非常低维的，因此您可以使用完全连接的层，如果您想采用深度学习方法 - 我也会对您的数据尝试其他方法(提升和随机森林)。