处理一维CNN中的批次大小和时间步长

Question

我有一个批处理生成器，它以(500, 1, 12)的形式给我数据，其中(batch size, time steps, features)。

def batch_generator(batch_size, gen_x,gen_y): 
    batch_features = np.zeros((batch_size,1, 12))
    batch_labels = np.zeros((batch_size,9))
    while True:
        for i in range(batch_size):
            batch_features[i] = next(gen_x)
            batch_labels[i] = next(gen_y)
        yield batch_features, batch_labels

def generate_X():
    while True:
        with open("/my_path/my_data.csv") as f:
            for line in f:
                currentline = line.rstrip('\n').split(",")
                currentline = np.asarray(currentline)
                currentline = currentline.reshape(1,1,12)
                yield currentline

def generate_y():
    while True:
        for i in range(len(y_train)):
            y= y_train[i]
            yield y

然后我尝试将其输入一维CNN中>

model = Sequential()
model.add(Conv1D(filters=100, kernel_size=1, activation='relu', input_shape=(1,12), data_format="channels_last"))
但是现在我不能使用超过kernel_size = 1的值。这可能是因为我的时间步等于1。

如何使用整个批处理大小作为一维CNN的输入并增加kernel_size？

请问一个不清楚的问题

我有一个批处理生成器，它以（500，1，12）的形式给我数据，其中（批大小，时间步长，特征）。 def batch_generator（batch_size，gen_x，gen_y）：batch_features = np.zeros（（......>

Answer 1

请记住，当我们的每个输入样本都是序列时，即使用一维卷积，即值的顺序很重要/已指定，例如一周的股市值或一个月或一个月的天气温度值。基因组或单词的序列。话虽如此，考虑到您的数据，存在三种不同的情况：

• 如果csv文件中的每一行都是长度为12的序列，则您正在处理形状为(12,1)的样本，即，在每个样本中有12个时间步长，每个时间步长仅具有特征。因此，您应该相应地调整其形状（即更改为(12,1)而不是(1,12)）。