如何在 Tensorflow 中读取可变长度的一维输入？
How do I read variable length 1D inputs in Tensorflow?
我正在尝试将可变长度的一维输入读取到 Tensorflow CNN 中。
我之前通过首先构建一个 CSV 文件来实现读取固定长度的输入（其中第一列是标签，其余列是输入值 - 扁平化的频谱图数据全部 padded/truncated 到相同的长度）使用 tf.TextLineReader()。
这次我有一个充满文件的目录，每个文件都包含一行我想用作输入的数据（再次展平频谱图数据，但我不想强制它们具有相同的尺寸），以及线长不是固定的。我在尝试使用之前先编译 CSV 的方法时遇到错误。我查看了 tf.TextLineReader() 的文档，它指定所有 CSV 行必须具有相同的形状，所以我被卡住了！任何帮助将不胜感激，谢谢 :)
我假设当您有更长或更短的样本时数据不会改变形状，对吧？我的意思是，如果您在 1000 像素的阵列上训练您的网络，例如使用 [5,1] 大小的内核。 [5,1] 内核需要在可变长度数据中看到与在训练数据中相同的模式。如果您的数据被拉伸或收缩，那么正确的解决方案是将数据插值到与训练数据相同的大小，以便 shapes/patterns 匹配。
假设您只需要可变长度输入，那么理论上您应该能够通过将批量大小设置为 1 并改变数据的第一个维度来做到这一点。
因此您的输入占位符将如下所示：
X = tf.placeholder(dtype, shape=[1,None,1,1])
4 个形状参数是：1=批量大小； None=未知第一维度大小； 1=未使用，因为它是 1D 数据集，1=单通道图像，同样未使用，但 tf.conv2d 接收预期的 4D 图像是必需的。
这与配置 tensorflow 以支持可变批量大小没有太大区别。因此，您应该查看下面的 link 并了解该过程。
请注意，您不能在此处使用大于 1 的批量大小，因为您将无法构建在二维中具有缺失值的矩阵。我希望卷积运算能够处理这个可变维度（虽然我还没有实际尝试过）。
解决此问题的另一种选择是用 0 填充您的输入，以便它们都有共同的长度，但这需要预先训练到模型中。
我正在尝试将可变长度的一维输入读取到 Tensorflow CNN 中。
我之前通过首先构建一个 CSV 文件来实现读取固定长度的输入（其中第一列是标签，其余列是输入值 - 扁平化的频谱图数据全部 padded/truncated 到相同的长度）使用 tf.TextLineReader()。
这次我有一个充满文件的目录，每个文件都包含一行我想用作输入的数据（再次展平频谱图数据，但我不想强制它们具有相同的尺寸），以及线长不是固定的。我在尝试使用之前先编译 CSV 的方法时遇到错误。我查看了 tf.TextLineReader() 的文档，它指定所有 CSV 行必须具有相同的形状，所以我被卡住了！任何帮助将不胜感激，谢谢 :)
我假设当您有更长或更短的样本时数据不会改变形状，对吧？我的意思是，如果您在 1000 像素的阵列上训练您的网络，例如使用 [5,1] 大小的内核。 [5,1] 内核需要在可变长度数据中看到与在训练数据中相同的模式。如果您的数据被拉伸或收缩，那么正确的解决方案是将数据插值到与训练数据相同的大小，以便 shapes/patterns 匹配。
假设您只需要可变长度输入，那么理论上您应该能够通过将批量大小设置为 1 并改变数据的第一个维度来做到这一点。
因此您的输入占位符将如下所示：
X = tf.placeholder(dtype, shape=[1,None,1,1])
4 个形状参数是：1=批量大小； None=未知第一维度大小； 1=未使用，因为它是 1D 数据集，1=单通道图像，同样未使用，但 tf.conv2d 接收预期的 4D 图像是必需的。
这与配置 tensorflow 以支持可变批量大小没有太大区别。因此，您应该查看下面的 link 并了解该过程。
请注意，您不能在此处使用大于 1 的批量大小，因为您将无法构建在二维中具有缺失值的矩阵。我希望卷积运算能够处理这个可变维度（虽然我还没有实际尝试过）。
解决此问题的另一种选择是用 0 填充您的输入，以便它们都有共同的长度，但这需要预先训练到模型中。