如何在 TensorFlow 中表示线性数据

Question

我正在尝试在 TensorFlow 中对一些类似示波器的数据进行建模 - 具有持续时间、强度等的线性能量脉冲流 - 但在其他方面执行非常相似的分类任务，我无法弄清楚如何最好在 TensorFlow 中表示它。

这些教程是针对图像分类的，而且框架似乎是围绕 4d 张量构建的。我无法弄清楚如何表示我相对简单的数据。

具体来说，我想弄清楚以下几点：

1) 如果我有一串 100 个脉冲和 4 条关于它们的信息，那相当于 4x100 图像还是 100x4 图像？或者也许是一个 100x1 的图像，有 4 个“通道”？张量如何折叠/展开尚不清楚。

2) 最大池化如何转化为低维空间？就像，我如何确保我在脉冲之间汇集而不是仅仅在一个通道内，或其他一些无意义的模式？没有很好地解释“步幅”是如何计算和使用的。

有没有人尝试在 TensorFlow 中对类似数据进行建模？

Answer 1

Recurrent neural networks (RNN) 是顺序数据（如能量脉冲流）的一种可能表示形式。 TensorFlow 网站有一个 tutorial on building an RNN 用于预测句子中的下一个单词，但这可能适用于预测场景中的下一个值。