0
我試圖通過Torch參數化1D conv網絡。瞭解火炬中的時間卷積
比方說，我有一個名爲Tensor那data是尺寸10 x 512的，在有10行和512列。因此，我想實現一個TemporalConvolution層的單個3層堆棧，然後是ReLU，然後是TemporalMaxPooling。我的分類問題是二元的，並且有一個相應的labels張量，它是10 x 1。讓我們假設已經寫入feval來遍歷data和labels中的每個row。
這樣，問題是構造一個網可以從512列映射至1柱
從documentation改編：
...
model = nn.Sequential()
model:add(nn.TemporalConvolution(inputFrameSize, outputFrameSize, kW, [dW]))
model:add(nn.ReLU())
model:add(nn.TemporalMaxPooling(kW2, [dW2])
...
criterion = nn.BCECriterion()
...
如下我已經參數化的，但以下不起作用：/
TemporalConvolution(512,1,3,1)
ReLU())
TemporalMaxPooling(3, 1)
它會拋出錯誤：2D or 3D(batch mode) tensor expected。因此，我試圖把它傳遞給網前重塑data：
data = data:resize(1, 100, 512)
但這引發錯誤：invalid input frame size。
我可以看到錯誤涉及形狀數據進入卷積網，當然參數化過的。我被this post here弄得更加困惑，這似乎暗示的TemporalConvolution應該設置爲10而不是512。
任何指導將不勝感激，至於如何建立1D conv網。
P.S.我已經用logisticRegression模型測試了腳本，並且運行該模型，所以問題純粹與conv net架構/數據的形狀有關。