向Keras/TF CNN输入数字阵列而不是图像
向Keras/TF CNN输入数字阵列而不是图像
提问于 2018-11-12 16:39:21
我已经构建了一些CNN的离开Keras/Tensorflow的例子，使用MNIST数据图像(ubyte文件)进行特征提取。我的最终目标是做一件类似的事情，但我收集了(~10000) 2DFFT阵列的信号数据(n ~1000x50)(32位浮点数据)。
我一直在寻找一个例子，使用的东西，除了图像文件，但似乎找不到任何。
我的问题是:不把它们转换成图像就能做到这一点吗？可以将数据集导出到泡菜或其他我可以输入的文件吗？实现这一目标的最佳方法是什么？
谢谢!
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-11-14 06:03:21
是的，除了序列/时间序列数据(一维卷积，但你也可以使用2D卷积)以外，你也可以使用CNN。
CNN对这些类型的数据做得很好。
你应该提供你的输入作为一个图像矩阵，即一个窗口，CNN可以执行卷积。
您可以将这些输入矩阵/窗口存储在一个numpy数组中，然后加载这些文件并在上面训练您的CNN。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53266491
复制相关文章
相似问题
腾讯云开发者
