有！
我有一个n个30x7矩阵的列表（所以我猜它是一个3D数组）和另一个n个标签列表（基本上是TRUE或FALSE）。如何将其用作TensorFlow的数据集？大多数教程都使用图像，所以我无法找到如何为我的案例做到这一点。
非常感谢！
答案 0 :(得分：0)
这实际上是一个图像，任何基于图像的教程都应该帮助你。如果您想要关注图片教程，例如卷积神经网络你想要reshape你的30x7矩阵包含1＆＃34;颜色＆＃34;渠道。例如：tf.reshape(data_matrix, shape=[30, 7, 1])只会将维度更改为[30, 7, 1]，而不会影响数据的实际形状。
如果您将这些批处理在一起，那么您现在将拥有一个大小为[batch_size, 30, 7, 1]的数据集。
现在，您已经获得了正确格式的内容，可以使用卷积网络上的一些教程。
您应该问的更大的问题是，您是否希望将数据视为图像并将卷积网络应用于其中。询问数据的最基本问题是，您期望网络提取的模式是否具有某些2D空间局部性。例如，通过在网络的每一层上通常尺寸为[3×3]或[5×5]的小窗口上寻找图案来有效地处理图像。以这种方式查看数据是否有意义？
如果是这样，伟大的，卷积网络是你的事。如果数据没有任何2D空间意义，那么您可以从简单地将数据展平为[batchsize, 210]大小向量并通过完全连接的神经网络提供它。
或许，矩阵的每一行代表一些数据，并且对1到30行的序列（或者从第1列到第7列的列）进行逻辑排序。如果数据最符合逻辑地表示为行（或列）序列，那么您可能会更好地研究RNN，即循环神经网络，它们可以更有效地对序列进行操作。
无论如何，请查看tf.reshape和tf.stack。并且考虑在numpy中完成大部分预处理工作，在numpy中调试总是更容易。