小编rb3*_*652的帖子

我的时间序列是一个 30000 x 500 的表，表示来自三种不同类型图形的点：线性、二次和三次正弦曲线。因此，线性图有 10000 行，二次图有 10000 行，三次图有 10000 行。我从每张图中采样了 500 个点。这是一张图片来说明我的观点：

我已经使用 TensorFlow 构建了 98% 准确度的 2D CNN，但现在我想使用 TensorFlow 构建 1D CNN。我只需将每Conv2D一层替换为吗Conv1D？如果是这样，我的filters和kernel_size会是什么？我什至不知道如何导入我的一维熊猫数据框。我的 2D CNN 具有以下架构：

model = tf.keras.Sequential([
  tf.keras.layers.experimental.preprocessing.Rescaling(1./255),
  tf.keras.layers.Conv1D( 32, 3, activation='relu', input_shape=input_shape[2:])(x), #32 FILTERS and square stride of size 3
  tf.keras.layers.MaxPooling2D(),
  tf.keras.layers.Conv2D(32, 3, activation='relu'),
  tf.keras.layers.MaxPooling2D(),
  tf.keras.layers.Conv2D(32, 3, activation='relu'),
  tf.keras.layers.MaxPooling2D(),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(num_classes)
])

如果有人可以提供帮助，那就太好了。谢谢。下面是 MWE，我的 2D CNN 在这里。

num_classes = 3
model = tf.keras.Sequential([
  tf.keras.layers.experimental.preprocessing.Rescaling(1./255), …