如何找到神经网络输入的传感器数据的正确维度？

Question

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。

Answer 1

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]