tflearn：每个输入的不同行数
tflearn: different number of rows of each input
我正在使用 tflearn 对 CNN 建模。
但是，我的数据在每个输入中有不同的行数（但列数相同）。
例如，我有 100 个输入。
第一个输入的维度是 4*9，但第二个和第三个是 1*9。
我不确定如何使用 input_data().
来馈送和调整数据
首先你得知道你的训练样本到底是什么。我不知道你所说的 "input" 是什么意思，一个输入是否意味着一个样本？或者输入中的一行是否代表一个样本？
如果一个输入意味着一个样本，那您就有麻烦了，因为几乎所有 CNN（以及几乎所有其他机器学习算法）都需要数据 形状的一致性 。鉴于某些样本的数据比其他样本多，这可能是一种解决方案，可以裁剪掉具有更多数据的额外样本，或者忽略那些行数较少的样本（以便最大限度地利用您使用的数据）。一种更复杂的方法是 运行 对一些具有更多行（和相同行数）的样本进行 PCA，然后如果可能，仅对所有样本使用主成分。
如果一行代表一个样本，您可以将所有数据合并成一个大块，然后按常规方式处理。你明白了。
我正在使用 tflearn 对 CNN 建模。 但是，我的数据在每个输入中有不同的行数（但列数相同）。 例如，我有 100 个输入。 第一个输入的维度是 4*9，但第二个和第三个是 1*9。 我不确定如何使用 input_data().
来馈送和调整数据首先你得知道你的训练样本到底是什么。我不知道你所说的 "input" 是什么意思，一个输入是否意味着一个样本？或者输入中的一行是否代表一个样本？
如果一个输入意味着一个样本，那您就有麻烦了，因为几乎所有 CNN（以及几乎所有其他机器学习算法）都需要数据 形状的一致性 。鉴于某些样本的数据比其他样本多，这可能是一种解决方案，可以裁剪掉具有更多数据的额外样本，或者忽略那些行数较少的样本（以便最大限度地利用您使用的数据）。一种更复杂的方法是 运行 对一些具有更多行（和相同行数）的样本进行 PCA，然后如果可能，仅对所有样本使用主成分。
如果一行代表一个样本，您可以将所有数据合并成一个大块，然后按常规方式处理。你明白了。