如何在张量流中使用非图像输入用于卷积神经网络？

Question

我有一个数据集([n] [13]),如:

 1)      -3.3 -15.0 41 1026.3 16.1 0 25.9 37.0 0 0 0 280 0

 2)      -3.9 -13.9 46 1028.0 16.1 0 20.4 0 0 0 0 280 0

 3)      -3.9 -13.3 49 1028.8 16.1 0 22.2 0 0 0 0 270 0

 4)      -4.4 -12.2 55 1029.5 16.1 0 11.1 0 0 0 0 260 0

...

 n)      -1.1 -10.6 49 1030.0 16.1 0 14.8 0 0 0 0 280 0

使用这个数据集,我想在Tensorflow中创建一个卷积神经网络并进行预测.

我知道卷积神经网络实际上是图像,但我看到一些非图像输入的例子.

我可以使用此数据创建卷积神经网络吗？如何创建？你能给我任何线索或教程或来源吗？

Answer 1

这看起来不像是适合于回忆网的数据 - convnets假设在本地共享权重是有意义的,因此当数据中存在某种形式的局部性时它们是有意义的.因此,如果存在从要素到"附近"要素的连接(例如时间序列或音频,其中相邻的要素发生在附近的时间点),则除了图像之外的其他内容也是有意义的.您的数据看起来像列是未连接的(即使在不同的比例上).

您的数据也非常低维,因此您可以使用完全连接的层,如果您想采用深度学习方法 - 我会尝试其他方法来处理您的数据(增强和随机森林).