我有一个批量生成器，它提供形状为(500, 1, 12)的数据（即对应于(批量大小, 时间步, 特征)）。
def batch_generator(batch_size, gen_x,gen_y): batch_features = np.zeros((batch_size,1, 12)) batch_labels = np.zeros((batch_size,9)) while True: for i in range(batch_size): batch_features[i] = next(gen_x) batch_labels[i] = next(gen_y) yield batch_features, batch_labelsdef generate_X(): while True: with open("/my_path/my_data.csv") as f: for line in f: currentline = line.rstrip('\n').split(",") currentline = np.asarray(currentline) currentline = currentline.reshape(1,1,12) yield currentlinedef generate_y(): while True: for i in range(len(y_train)): y= y_train[i] yield y然后我尝试将这些数据输入到一个1D-CNN中：
model = Sequential()model.add(Conv1D(filters=100, kernel_size=1, activation='relu', input_shape=(1,12), data_format="channels_last"))但现在我无法使用大于1的核大小（即kernel_size = 1）。这可能是因为我的时间步等于1。
如何将整个批量大小作为输入提供给1D-CNN并增加kernel_size？
回答：
请记住，1D卷积用于每个输入样本都是一个序列的情况，即数据中值的顺序很重要/已指定，例如一周内的股市值或一个月内的天气温度值，或基因序列或单词序列。考虑到您的数据，有三种不同的情况：
-
如果您csv文件中的每一行是一个长度为12的序列，那么您处理的样本形状为
(12,1)，即每个样本中有12个时间步，每个时间步只有一个特征。因此，您应该相应地重新塑形它（即为(12,1)而不是(1,12)）。 -
然而，如果每一行本身不是一个序列，而是一组连续的行构成一个序列，那么您必须相应地生成数据：每个样本将由多个连续的行组成，例如，如果我们认为时间步数为10，那么第1行到第10行将是一个样本，第2行到第12行将是另一个样本，依此类推。在这种情况下，每个样本的形状将为
(时间步数, 12)（在我的例子中将是(10,12)）。现在，您可以通过编写自定义函数来创建和生成这些样本，或者您可以将所有数据加载为numpy数组，然后使用TimeseriesGenerator来为您完成这项工作。 -
如果上述两种情况都不适用，那么很可能您的数据根本不是序列数据，因此使用1D-CNN（或任何其他序列处理模型，如RNN）对这些数据没有意义。相反，您应该使用其他合适的架构。
