Python 如何在Pytork中正确实现数值数据的1D CNN？
我有一个500x2000矩阵，其中每一行代表一个个体，每一列是对该个体某些特定质量的度量。我使用的批量大小为64，因此网络的每个周期的输入实际上是一个64x2000矩阵。我正试图在PyTorch中建立一个CNN，对给定一组测量值的个体进行分类。然而，我偶然发现了卷积层的参数 下面是我目前对简单卷积神经网络的定义Python 如何在Pytork中正确实现数值数据的1D CNN？,python,machine-learning,neural-network,conv-neural-network,pytorch,Python,Machine Learning,Neural Network,Conv Neural Network,Pytorch,我有一个500x2000矩阵，其中每一行代表一个个体，每一列是对该个体某些特定质量的度量。我使用的批量大小为64，因此网络的每个周期的输入实际上是一个64x2000矩阵。我正试图在PyTorch中建立一个CNN，对给定一组测量值的个体进行分类。然而，我偶然发现了卷积层的参数 下面是我目前对简单卷积神经网络的定义 class CNNnet(nn.Module) def __init__(self): self.conv1 = nn.Conv1d(2000, 200, (1,
class CNNnet(nn.Module)
def __init__(self):
self.conv1 = nn.Conv1d(2000, 200, (1,2), stride=10)
self.pool = nn.MaxPool1d(kernel_size = (1, 2), stride = 2)
self.fc1 = nn.Linear(64, 30)
self.fc2 = nn.Linear(30, 7)
def forward(self, x):
x = x.view(64, 2000, 1)
x = F.relu(self.conv1(x))
x = self.pool(x)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
我的问题是，在处理一维数据时，编写CNN（特别是卷积层）的正确语法或方法是什么。非常感谢您的帮助。因此一维情况下的内核大小只是一个向量。因此，如果需要大小为“1X2”的内核，则需要指定“2” 在二维情况下，2表示“2X2”内核大小
您给出了一个2个值的元组，因此您使用了2种内核类型，每种类型都将创建自己的通道
2（1,2）