我在一台机器上有一些数据，目的是预测它要花多长时间才能崩溃。具体来说，它是一个Excel文件，其中包含一个timestamp列，一个did-it-break列和一系列操作参数。我当时在想，由于磨损可能会逐渐发生，因此我应该随时间为模型提供运行参数。
为此，我制作了一个训练集，它是一个3D numpy数组-每个时间戳一个2D数组，由20个最新记录彼此叠加组成。我认为我应该在其上使用一个2D卷积层，该层分别查看每个列（每个参数），以便它可以学习加权平均值的权重-也许对于某些参数，只有紧接中断之前的值才有意义，而对于其他参数该问题是在几秒钟前发生的，这可以检测到。
我正在寻找有关图层参数的帮助。我认为应该是内核大小
[-1,20,1]
对于不同数量的批次是动态的，并且仅选择一列。大步前进，我不确定。我可以提供0的步幅吗，例如
[-1,0,1]
让它一次移动一列而不改变其选择的高度？另外，我是否通过将-1放在列表的第一位来正确处理批次？