用Keras实现简单一维卷积 ，亲测可用一维卷积实例，及Kaggle竞赛代码解读

记得我们之前讲过1D卷积在自然语言处理中的应用：

一维卷积在语义理解中的应用，莫斯科物理技术学院（MIPT）开源聊天机器人DeepPavlov解析及代码

但是读者中对如何应用一维卷积呼声太高，David 9 有必要再用一篇幅来讲1D卷积实战。这次我们拿kaggle上叶子分类预测问题做例子，讲解1D卷积网络如何实现。

我的数据集来自：https://www.kaggle.com/alexanderlazarev/simple-keras-1d-cnn-features-split/data

如果懒得去原链接下载，可以直接戳下面链接：

   train.csv     test.csv   

train.csv 是训练集数据，test.csv 是验证数据集。 这个数据集是叶子leaf 品种的分类问题，有三个通道， 每个通道64个比特位，一个通道代表边界特征，一个通道代表形状特征，最后一个通道代表材质特征。（这些特征都是kaggle已经帮你提取了）。输出是叶子特征标签的预测。

下面废话少说，直接上代码及详细注释（亲测可用）：

加入David9的星球群阅读所有文章:

阅读全文

加入David9的星球群，获得通行密码

 

发布者

David 9

邮箱：yanchao727@gmail.com 微信: david9ml

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注