我正在尝试使用tensorflow创建一个用于一维数据集的CNN（卷积神经网络）。我的数据结构为每行包含多个浮点数，并为每行数据关联一个独热编码的目标值（feature1, feature2 … feature100; y_val）。
我已经使用了一个基本的多层感知器处理过这些数据，但我希望利用特征空间中的“局部性”，并通过池化等方法对特征空间进行“降采样”。
问题是我无法找到任何使用tensorflow的方法来实现这一点——无论是使用conv1d还是conv2d函数——都会导致以下错误：
ValueError: Shape must be rank 4 but is rank 3 for 'conv1d_4/Conv2D' (op: 'Conv2D') with input shapes当我尝试创建池化层时，情况变得更糟。
我的问题是：有没有人用tensorflow做过一维CNN？如果有的话，能否提供一些代码示例，让我能更具体地理解？
谢谢！
回答：
正如错误所提示的，问题在于您的输入形状与tensorflow的卷积函数所需的形状不匹配。您可以使用tf.nn.conv1d进行一维卷积（您可以在这里查看文档 https://www.tensorflow.org/api_docs/python/tf/nn/conv1d）。tf.nn.conv1d()接受批次形式的输入，因此即使您只输入一个值，它也期望有批次维度。因此，您的输入数据应该具有以下形式 [a,b,c]，其中：
- a 是批次维度（如果您将输入数据集分成了n个批次，那么这表示输入数据所在的批次）
- b 是输入通道数（如果您的输入是RGB格式，您可以设置为3，否则设置为1）
- c 是每个输入序列的长度
这个函数的本质是将您的输入从 [a,b,c] 重塑为 [a,1,b,c]，然后将其输入到 tf.nn.conv2d() 函数中。您可以遵循同样的原则在尝试最大池化时——即使用 tf.reshape() 将输入重塑为二维，然后再重塑回一维。
