我正在尝试使用基于 pytorch 中时间序列传感器数据的神经网络来解决分类问题。基本上我有两种类型的传感器数据:a 和 b。每个样本由8个时间点组成,基本上:
SAMPLE:
———-Sensor a, Sensor b
time1: 0.10 , 20
time1: 0.20 , 20
time1: 0.30 , 20
time1: 0.40 , 20
time1: 0.50 , 20
time1: 0.60 , 20
time1: 0.70 , 20
time1: 0.80 , 20
我必须将线性层的数据形成什么形状(8x2,16x1)?它基本上是一个 2d 输入,但我不确定,因为它是一个时间序列
我尝试将其整形为
[[0.10 , 20],[0.20 , 20],[0.30 , 20],[0.40 , 20]...]
,但我的损失计算需要一个 2D 标签。我也尝试过[ 0.1000, 0.2000, 0.3000, 0.4000, 0.5000, 0.6000, 0.7000, 0.8000, 20.0000, 20.0000, 20.0000, 20.0000, 20.0000, 20.0000, 20.0000, 20.0000]
,但结果很糟糕。
如果您想使用线性层,您可以将每个时间点的数据展平为单个特征向量,因此,对于线性层,输入形状将为 (1, 16),其中 16 是特征总数(8 倍)点 * 每个时间点 2 个传感器读数)
[0.10, 20, 0.20, 20, 0.30, 20, 0.40, 20, 0.50, 20, 0.60, 20, 0.70, 20, 0.80, 20]