Deep learning 如何在pytorch中将不同通道中不同宽度的样本输入大小设置为Conv1d
我是深度学习的新手，我正在编写一个1D CNN模型来训练我的数据集。数据集中的每个数据都包含三个通道：Deep learning 如何在pytorch中将不同通道中不同宽度的样本输入大小设置为Conv1d,deep-learning,pytorch,Deep Learning,Pytorch,我是深度学习的新手，我正在编写一个1D CNN模型来训练我的数据集。数据集中的每个数据都包含三个通道：（原始数据、性别、年龄）。raw_data的采样率为50Hz，窗口大小为2秒，这意味着一个数据中有100个样本。所以我的数据看起来像这样 （[1,2,3,4，…，100]，[1]，[20]）其中[1]表示性别，[20]表示年龄 现在我想把这些数据放到我的一维CNN模型中。我知道nn.Conv1d（批量大小、通道、宽度）。如果所有通道中的宽度相同，则没有问题。但在我的例子中，raw_数据包含100
（原始数据、性别、年龄）raw_data（[1,2,3,4，…，100]，[1]，[20]）[1][20]nn.Conv1d（批量大小、通道、宽度）宽度raw_数据sexage