[英]How to train neural networks with multi-channel 1D objects?
目的是實現具有一維對象（例如時間序列）的多個通道（即輸入層）的神經網絡體系結構。 這個想法是在組合任何通道的特征圖以輸出概率預測之前，在任何通道中應用獨立的運算。
潛在的解決方案可能是使用千層面 。 千層面是Theano的輕質包裝。 如果需要Theano的靈活性但又不想總是從頭開始編寫神經網絡層，通常建議使用此方法。
Lasagne是否提供工具來為python中的1D對象實現多通道神經網絡？ 是否可以使用lasagne.layers來實現多個輸入層，還是應該使用lasagne.layers創建一個自定義層？
時間序列的多個通道實際上只是一個2D數據矩陣，您可以將其想象為圖片。 您可以為此應用標准卷積層。
如果您想“在組合任何通道的特征圖之前在任何通道中應用獨立的操作”，則可以通過將第一層中的卷積大小配置為在通道維度上窄（寬度1）來實現，時間范圍廣； 然后合並以下各層中的通道
我在numpy中實現的多通道一維卷積有什么問題（與tensorflow相比）
[英]What is wrong with my multi-channel 1d convolution implemented in numpy (compared with tensorflow)
如何計算一維卷積神經網絡的參數個數？
[英]How to calculate the number of parameters of 1d convolutional neural networks?
在 Pytorch 中使用 BCEWithLogitsLoss 的多通道 2D 掩碼權重
[英]Multi-channel, 2D mask weights using BCEWithLogitsLoss in Pytorch
如何在具有張量流的卷積神經1D網絡中執行多類分類？
[英]How to perform a Multi-Class classification in a convoluted neural 1D network with tensorflow?
如何在不使用 OpenCV 庫的情況下在 Python 中讀取多通道 16 位每通道圖像？
[英]How to read multi-channel 16-bit-per-channel images in Python without using OpenCV library?
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
