我一直在Keras / Tensorflow示例的基础上构建CNN的一些变体，这些示例使用MNIST数据图像（ubyte文件）进行特征提取。我最终的目标是做类似的事情，但是要收集（〜10000个）我已经制作的信号数据的2D FFT数组（n x m〜1000 x 50）（32位浮点数据）
我一直在寻找一个使用图像文件以外的东西但似乎找不到任何东西的示例。
我的问题是：可以不将其转换为图像而这样做吗？数据集可以导出到我可以输入的泡菜或其他文件中吗？实现此目标的最佳方法是什么？
谢谢！
答案 0 :(得分：1)
是的，您可以将CNN用于除图像之外的其他数据，例如顺序/时间序列数据（一维卷积，但也可以使用二维卷积）。
CNN可以很好地处理这些类型的数据。
您应将输入内容作为图像矩阵提供，即CNN可以在其上进行卷积的窗口。
您可以将这些输入矩阵/窗口存储在numpy数组中，然后加载这些文件并在其上训练您的CNN。