deep-learning - 如何在pytorch中将不同通道中不同宽度的样本输入大小设置为Conv1d
问题描述
我是深度学习的新手,我正在编写一个 1D CNN 模型来训练我的数据集。数据集中的每个数据都包含三个通道:(raw_data, sex, age)
. 的采样率为raw_data
50Hz,窗口大小为 2 秒,这意味着一个数据中有 100 个样本。所以我的数据看起来像这样
([1,2,3,4,...,100],[1],[20])
,其中[1]
表示性别和[20]
年龄。
现在我想将这些数据放入我的 1D CNN 模型中。我知道nn.Conv1d(batch_size, channel, width)
。如果width
在所有通道中都相同,则没有问题。但在我的例子中,raw_data
包含 100 个元素,sex
并且age
只包含 1 个元素。我怎样才能把它放到我的 Conv1d 层中?
任何帮助,将不胜感激。谢谢!
解决方案
推荐阅读
- python - 熊猫合并具有多列和容差的数据框
- php - JWT身份验证后如何获取凭据用户/密码
- java - 有没有办法用杰克逊跳过 CSV 文件中不需要的字段?
- linux - 如何在linux的自定义目录中安装minishift
- azure - Azure 自定义工作人员日志在任何地方都不可见
- python - 写入 Spark 数据帧时将 null 替换为空字符串
- python-3.x - Selenium PYTHON:在 gmail 中写电子邮件,但文本在签名下
- ubuntu - Bochs:显示库“sdl”不可用
- javascript - 将多张图片上传到 Firebase 存储时获取它们的 url
- spring-security - 计划作业中的 Spring AuditingHandler