如何創建多維矩陣作為神經網絡的輸入？

Question

我正在嘗試創建一個具有多維輸入矩陣的神經網絡。 輸入的大小可以是 2x7、8x7 或任何具有 7 列的此類尺寸。 （此輸入用於如下所示的 for 循環結構）

我的問題是，如何創建一個訓練 DataFrame 可以包含多個具有不同維度的此類矩陣來饋送神經網絡？ 我嘗試在每個矩陣的 for 循環上訓練 model，但應該有一些更合適的方法來創建這樣的數據集。

注意：我正在嘗試獲得具有所有這些不同維度矩陣的單個輸入，並且可以輕松地將 map 轉換為它們各自的輸出。 所以輸入應該看起來像 (a, b, 7) 其中a是具有不同行長的矩陣的數據點數， b是該特定矩陣中的行數，7 是所有矩陣中的列數.

該數據是用戶按時間創建的時間序列數據的示例。 所以我需要保持每一行單個矩陣的順序。 output 將在用戶下次創建新行時生成。 請理解，這個問題的重點不是 model，而是如何為 model 表示這個數據。

這是我的 model 的代碼：

model.add(Lambda(lambda x: tf.expand_dims(x, axis=1), input_shape=[7]))
model.add(Dense(2048, activation='tanh'))
model.add(Dense(1024, activation='tanh'))
model.add(Dense(512, activation='tanh'))
model.add(Dense(216, activation='tanh'))
model.add(Flatten())
model.add(Dense(128, activation='tanh'))
model.add(Dense(7, activation='tanh'))
model.summary()

我適合 model 的循環如下所示：

for user_id in user_ids:
    df = dailytable[dailytable['user_id']==user_id]
    if df.shape[0] > 3:
        X = df.iloc[:-1, :]
        Y = df.iloc[-1, :]
        Y = tf.reshape(Y, (1, 7))
        if len(X.axes[0].tolist()) > 3:
            model.fit(X, Y, epochs=5, steps_per_epoch=1)

我想創建一些包含我所有矩陣的數據結構。 它看起來像一個 3 維矩陣。 如上所述，所有這些矩陣都有不同的輸入形狀。 但是具有相同的 output 即 1x7。 我不想使用循環結構，而是想在訓練開始時傳遞一個輸入。

Answer 1

對任何時間序列進行建模都有同樣的問題。 你應該看看 CNN 或 RNN，因為它們承認可變維度。 在 CNN 的情況下，您可以有 7 個通道和可變長度的輸入。

使用完全連接的層，您有一個固定形狀的輸入。 因此，您要么應用零填充來滿足已經建議的最大大小，要么將窗口移位信號用作輸入（這是 CNN 所做的）。