为 1D CNN 创建和塑造数据答案

【问题标题】：Creating and shaping data for 1D CNN为 1D CNN 创建和塑造数据
【发布时间】：2020-08-30 03:02:35
【问题描述】：

我有一个 (244, 108) numpy 数组。它包含一天内每分钟交易收盘价的百分比变化，即 108 个值，类似 244 天。基本上它是一个一维向量。那么为了做 1D CNN，我应该如何塑造我的数据呢？

我做了什么：

x.shape = (244, 108)
x = np.expand_dims(x, axis=2)
x.shape = (243, 108, 1)
y.shape = (243,)

型号：

class Net(torch.nn.Module):   
    def __init__(self):
        super(Net, self).__init__()

        self.layer1 = torch.nn.Conv1d(in_channels=108, out_channels=1, kernel_size=1, stride=1)
        self.act1 = torch.nn.ReLU()
        self.act2 = torch.nn.MaxPool1d(kernel_size=1, stride=1)
        self.layer2 = torch.nn.Conv1d(in_channels=1, out_channels=1, kernel_size=1, stride=1)
        self.act3 = torch.nn.ReLU()
        self.act4 = torch.nn.MaxPool1d(kernel_size=1, stride=1)


        self.linear_layers = nn.Linear(1, 1)


    # Defining the forward pass    
    def forward(self, x):
        x = self.layer1(x)
        x = self.act1(x)
        x = self.act2(x)
        x = self.layer2(x)
        x = self.act3(x)
        x = self.act4(x)
        x = self.linear_layers(x)
        return x

【问题讨论】：

标签： machine-learning pytorch conv-neural-network

【解决方案1】：

如果每一天都应该是单独的卷积实例，那么您的数据应该具有(248, 1, 108) 的形状。这似乎更合理。

如果您希望所有的日子和分钟都成为网络学习的连续统一体，那么它应该是(1, 1, 248*108)。

基本上第一个维度是batch（多少个训练样本），第二个是样本的通道数或特征数（在您的情况下只有一个），最后一个是时间步数。

编辑

你的池化层应该是torch.nn.AdaptiveMaxPool1d(1)。您还应该像这样从该层输出reshape：pooled.reshape(x.shape[0], -1)，然后再将其推入torch.nn.Linear 层。

【讨论】：