有没有一种方法可以将2d张量用作Pytorch中MLP的输入？

问题描述

我是Pytorch的新手，我正尝试在Pytorch中训练MLP，以从多组时间序列数据中对变量进行分类。

 Example[time,a,b,c]: 
    {[0,10,15,20] [1,11,17,10] [2,12,6]} -> 1 
    {[0,9] [1,13,0] [2,18,7]} -> 2 

现在，我将每个2d张量重塑为1d（即[0，10，15，20，1，11，17，10，2，12，12，6]），然后将它们放置在Data Loader中，但是我想知道是否可以将它们保持2d，或者是否有其他方法可以实现？

还有，这是否是我的准确性太差的原因（包括培训和测试）？

解决方法

多层感知器（MLP）是一排密集的层。每个层的输入和输出都是一维向量。 MLP不可能如何明确考虑输入的顺序性质。另一方面，如果从数据中清除了顺序属性，则很有可能隐式地学习它。因此，这极有可能不是分类准确率低的原因。

如果要利用数据的顺序性质，可以在批处理×3×4张量上使用RNN。但是，您应该首先找到导致精度降低的错误，然后再尝试使体系结构更加复杂。

（只是一个旁注：您的输入似乎是来自某些词汇/其他类别特征的整数索引。您首先使用嵌入层吗？）