Machine learning 未知输入分类的张量流

我一直在研究用于图像分类的卷积神经网络。我得到了一个任务，他们给了我一个包含输入/输出对的文本文件，其中输出为0或1，而输入是生成的值。 比如说

0   X225006700,X773579,X236398246,X773545,X51769735,X315340932,X44092910,Y2,Y1132,Y2257,Y2793,Y1080,Y1555,Y1222,Y2072,Y1238,Y1791,Y1705,Y2684,Y1725,Y2641,Y2640,Y1690,Y1367,Y1353,Y2949,Y2557,Y1478,Y2024,Y1486,Y1522,Y1456,Y1940,Y977,Y1468,Z4,Z15

0   X123474229,X51578397,X40087170,X236398246,X367227997,X62716661,X127972441,X344420902,X40087738,X103413307,X51769735,X524837224,X37875376,X79805718,X773579,X44092910,Y1353,Y1555,Y2849,Y1478,Y2321,Y1238,Y1486,Y3143,Y1522,Y2817,Y1702,Y1940,Z4,Z15,Z29

1   X62716661,X277692318,Y1367,Y3269,Y1353,Y2949,Y2814,Y2267,Y2257,Y3250,Y3021,Y2557,Y3232,Y1080,Y1555,Y1222,Y2849,Y1478,Y2321,Y3145,Y1486,Y3143,Y1791,Y1522,Y2817,Y1702,Y1456,Y2641,Y2640,Y1940,Y1468,Y2170,Y3585,Z4,Z15,Z27

现在使用普通的神经网络，我总是需要（至少据我所知）指定的输入数字来创建输入层（例如10x10像素图像，或猫/狗/鸟等）。是否可以对这些随机输入执行相同的操作？

---

如果没有，是否有解决此问题的推荐方法？（我正在考虑使用matlab，因为数据中似乎有xyz值）

如果我正确理解了你的问题，你想知道如何构建基于神经网络的分类器，将任意长度的文本字符串映射为0或1。实现这一点有多种方法。一种方法是使用一些特征化方案（例如，单词包）将每个文本字符串映射到一个恒定大小的向量，然后将这些恒定大小的向量作为输入提供给模型。另一种方法是使用序列模型，如RNN，将示例填充为恒定长度（例如，最长字符串的长度）。

嘿，Andy Wei，输入数据向量的大小随每个样本而变化吗？看起来，有些输入的长度只有5，有些输入的长度是9，等等