TensorFlow：具有非图像输入的卷积神经网络

Question

我感兴趣的是使用Tensorflow来训练我的基于CNN的二进制分类数据。

现在我想知道如何在卷积过程中设置滤波器值，输出节点数。

我已经阅读了很多教程和示例。但是，他们中的大多数都使用图像数据，我无法将其与我的客户数据数据进行比较，而不是像素。

那么你能否就这个问题向我提出建议？

Answer 1

如果您的数据在时间或空间上有所不同，那么您可以使用CNN，我目前正在处理随时间变化的EEG数据集。您也可以参考本文 http://www.nlpr.ia.ac.cn/english/irds/People/lwang/M-MCG_EN/Publications/2015/YD2015ACPR.pdf 将输入数据（不是图像）作为图像呈现给CNN。

Answer 2

本教程：

Here !

Answer 3

您必须将数据重塑为4d。在此示例中，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))

这是一个不使用任何图像数据的好例子 https://github.com/fengjiqiang/LSTM-Wind-Speed-Forecasting 您只需要更改以下内容：

prediction_cols

feature_cols

功能

和数据加载

Answer 4

您可以使用以下类别之一：

• class 数据集：表示可能较大的元素集。

• 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 迭代器：表示迭代数据集的状态。
• class TFRecordDataset ：包含一个或多个记录的数据集 TFRecord文件。
• class TextLineDataset ：包含来自一个或多个行的数据集 文本文件。

Tutorial

official documentation