TensorFlow：具有非图像输入的卷积神经网络
TensorFlow: Convolution Neural Network with non-image input
我有兴趣使用 Tensorflow 训练我的数据以进行基于 CNN 的二元分类。
现在想知道如何设置卷积过程中的filter值，输出节点数
我已经阅读了很多教程和示例。但是，他们中的大多数使用图像数据，我无法将其与我的客户数据而非像素数据进行比较。
那么你能就这个问题向我提出建议吗？
本教程的文字内容：
如果您的数据随时间变化或 space 那么您可以使用 CNN，我目前正在使用 time.Also 变化的 EEG 数据集，您可以参考这篇论文
http://www.nlpr.ia.ac.cn/english/irds/People/lwang/M-MCG_EN/Publications/2015/YD2015ACPR.pdf
输入数据（不是图像）是否作为图像呈现给 CNN。
您可以使用以下 class 之一：
class 数据集：代表一个潜在的大集合元素。
class FixedLengthRecordDataset：固定长度记录的数据集
来自一个或多个二进制文件。
- class Iterator:表示迭代Dataset的状态
- class TFRecordDataset：一个数据集包含来自一个或多个记录的数据集
TFRecord 文件。
- class TextLineDataset：一个数据集包含一个或多个行
文本文件。
您必须将数据重塑为 4d。在这个例子中，我只有 4 列。
x_train = np.reshape(x_train, (x_train.shape[0],2, 2,1))
x_test = np.reshape(x_test, (x_test.shape[0],2,2, 1))
这是一个使用none图像数据的好例子
https://github.com/fengjiqiang/LSTM-Wind-Speed-Forecasting
您只需更改以下内容：
prediction_cols
feature_cols
特征
和数据加载
我有兴趣使用 Tensorflow 训练我的数据以进行基于 CNN 的二元分类。
现在想知道如何设置卷积过程中的filter值，输出节点数
我已经阅读了很多教程和示例。但是，他们中的大多数使用图像数据，我无法将其与我的客户数据而非像素数据进行比较。
那么你能就这个问题向我提出建议吗？
本教程的文字内容：
如果您的数据随时间变化或 space 那么您可以使用 CNN，我目前正在使用 time.Also 变化的 EEG 数据集，您可以参考这篇论文 http://www.nlpr.ia.ac.cn/english/irds/People/lwang/M-MCG_EN/Publications/2015/YD2015ACPR.pdf 输入数据（不是图像）是否作为图像呈现给 CNN。
您可以使用以下 class 之一：
class 数据集：代表一个潜在的大集合元素。
class FixedLengthRecordDataset：固定长度记录的数据集
来自一个或多个二进制文件。- class Iterator:表示迭代Dataset的状态
- class TFRecordDataset：一个数据集包含来自一个或多个记录的数据集 TFRecord 文件。
- class TextLineDataset：一个数据集包含一个或多个行
文本文件。
您必须将数据重塑为 4d。在这个例子中，我只有 4 列。
x_train = np.reshape(x_train, (x_train.shape[0],2, 2,1))
x_test = np.reshape(x_test, (x_test.shape[0],2,2, 1))
这是一个使用none图像数据的好例子 https://github.com/fengjiqiang/LSTM-Wind-Speed-Forecasting 您只需更改以下内容：
prediction_cols
feature_cols
特征
和数据加载