时间戳

首页 > 解决方案 > 有没有办法在 Pytorch 中使用 2d 张量作为 MLP 的输入？

python - 有没有办法在 Pytorch 中使用 2d 张量作为 MLP 的输入？

问题描述

我是 Pytorch 的新手，我正在尝试在 Pytorch 中训练一个 MLP，以对来自多组时间序列数据的变量进行分类。<

 Example[time, a, b, c]: 
    {[0, 10, 15, 20] [1, 11, 17, 10] [2, 12, 12, 6]} -> 1 
    {[0, 10, 12, 9] [1, 15, 13, 0] [2, 18, 11, 7]} -> 2

现在，我将这些 2d 张量中的每一个重塑为 1d（即 [0, 10, 15, 20, 1, 11, 17, 10, 2, 12, 12, 6]），然后将它们放入 Data Loader，但我想知道是否可以将它们保持为 2d，或者是否有不同的方法可以做到这一点？

另外，这可能是我糟糕的准确性（培训和测试）的原因吗？

标签： pythonpytorchmlp

解决方案

多层感知器 (MLP) 是一系列密集层。每一层的输入和输出都是一维向量。MLP 无法明确考虑输入的顺序性。另一方面，如果从数据中清楚地了解顺序属性，则很可能会隐式学习它。因此，这不太可能是分类精度低的原因。

如果您想利用数据的顺序性，您可以使用 RNN over batch×3×4 张量。但是，您应该首先找到导致低准确度的错误，然后才能尝试使架构更复杂。

（只是一个旁注：您的输入似乎是来自某些词汇表/其他类别特征的整数索引。您首先使用嵌入层吗？）

推荐阅读