Keras 如何将不同长度的数据用于第一层为conv1的cnn？

我有一个不同形状的数组列表，即

list = [array([1,2,3]), dtype=int16), 
            array([1,2,3,4,5]), dtype=int16), 
            array([1,2]), dtype=int16),
            array([1,2,3,4,5,6,7,8,9]), dtype=int16)]

---

我想在cnn中使用这些数据作为输入，其中第一层是conv1。我应该如何转换数据才能工作？我应该在数组中填入

零吗？数据是来自心脏设备的信号。d
如您所知，每个样本数据必须具有相同的形状才能为任何Keras模型提供数据，因此您必须使所有样本的形状相同。为此，您可以利用sklearn.impute.SimpleImputer使用虚拟数字使形状相同。
SimpleImputer有一些选项需要填写，请参考下面的站点


如果最小的样本形状（例如[1，2]）仍然相对较大，则可以修剪其他样本的数据以适合最小的形状。如果最小的一个仍然很小，你应该考虑是否应该省略它。
给定的数据是心跳波数据，我将尝试使用零，正如您首先提到的。
谢谢您的回答。我使用pad函数处理了数据，最终数据的形状相同
（852818286）
。我应该根据什么标准来决定它是大还是小？我会建议你提供你能找到的每一个数据集，这是反复试验的事情。因此，我们没有明确的答案，特别是关于数据集的大小，因为它取决于您的问题和您优化的模型。就像CNN的计算机视觉问题一样，没有人能说出有多少图片是有意义的。