TensorFlow：具有非图像输入的卷积神经网络

Question

我有兴趣使用Tensorflow来基于CNN训练我的二进制分类数据。

现在我想知道如何设置卷积过程中滤波器的值，输出节点的数量。

我已阅读了许多教程和示例。但是，他们中的大多数人使用图像数据，我无法将其与我的客户数据数据进行比较，而不是像素数据。

那么你能就这个问题向我提出建议吗？

Answer 1

如果你的数据在时间或空间，那么你可以使用CNN变化，我目前正在与这time.Also您可以参考脑电图变化数据集工作本文将 http://www.nlpr.ia.ac.cn/english/irds/People/lwang/M-MCG_EN/Publications/2015/YD2015ACPR.pdf 作为输入数据（不是图像）作为图像呈现给CNN。

Answer 2

本教程的文字：

Here !

Answer 3

您可以使用下面的一类：

• 类数据集：表示一个潜在的大组元素。

• 类FixedLengthRecordDataset：的固定长度的记录
  从一个或多个二进制文件的数据集。

• class 迭代器：表示遍历数据集的状态。
• class TFRecordDataset：一个数据集，包含来自一个或多个 TFRecord文件的记录。
• 类TextLineDataset：一个数据集，包含来自一个或多个
  文本文件的行。

Tutorial

official documentation