TensorFlow：具有非圖像輸入的卷積神經網絡

Question

我有興趣使用Tensorflow來基於CNN訓練我的二進制分類數據。

現在我想知道如何設置卷積過程中濾波器的值，輸出節點的數量。

我已閱讀了許多教程和示例。但是，他們中的大多數人使用圖像數據，我無法將其與我的客戶數據數據進行比較，而不是像素數據。

那麼你能就這個問題向我提出建議嗎？

Answer 1

如果你的數據在時間或空間，那麼你可以使用CNN變化，我目前正在與這time.Also您可以參考腦電圖變化數據集工作本文將 http://www.nlpr.ia.ac.cn/english/irds/People/lwang/M-MCG_EN/Publications/2015/YD2015ACPR.pdf 作爲輸入數據（不是圖像）作爲圖像呈現給CNN。

Answer 2

本教程的文字：

Here !

Answer 3

您可以使用下面的一類：

• 類數據集：表示一個潛在的大組元素。

• 類FixedLengthRecordDataset：的固定長度的記錄
  從一個或多個二進制文件的數據集。

• class 迭代器：表示遍歷數據集的狀態。
• class TFRecordDataset：一個數據集，包含來自一個或多個 TFRecord文件的記錄。
• 類TextLineDataset：一個數據集，包含來自一個或多個
  文本文件的行。

Tutorial

official documentation