我有来自20个独立事件的声学传感器的实验数据（用于长度为9000的1D向量）。五（5）个不同的声学传感器用于捕获每个事件的数据，并且以规则的时间间隔捕获5个这样的数据集。因此，每个事件（或类）具有25个这样的一维向量（即5个不同传感器的5组数据）。
因此，对于所有20个组合的事件，总可用数据是500个一维向量。
如何将此数据安排到培训和测试数据中，以便在CNN中培训1d Keras模型。另外，用于培训的标签格式应该是什么。
在针对序列分类的Stacked LSTM给出的Keras文档示例中，他们创建了一个虚拟训练数据集：
x_train = np.random.random((1000, timesteps, data_dim))
和input_shape=(timesteps, data_dim)
上述两行是什么意思，具体是data_dim的意思？