【深度学习】用RML2018训练好模型去识别RML2016的数据会遇到输入维度不匹配的问题，如何解决？
问题
经常会有人问的一个问题：
- 我用RML2018跑的调制识别模型，用RML2016数据集能直接识别吗？（2018数据集信号样本的长度是1024,2016数据集信号样本的长度是128）
答案很明显是：不能
原因就是输入维度不匹配
解决办法
由于RML2018和RML2016数据集的信号样本长度分别为1024和128，直接使用在RML2018上训练的调制识别模型来识别RML2016的数据可能会遇到输入维度不匹配的问题。以下是一些可能的解决方案和建议：
1. 调整输入数据长度
- 重采样或插值：将RML2016的128长度信号通过插值或重采样的方法扩展到1024长度。这可以保持信号的主要特征，但可能会引入一些失真。
- 零填充：在信号末尾添加零，使其长度达到1024。这种方法简单，但可能会影响模型对信号边缘的处理。
2. 修改模型结构(我个人比较推崇的方法)
- 适应不同输入长度：如果模型架构允许，可以调整输入层以接受128长度的信号。例如&
原文地址：https://blog.csdn.net/PoGeN1/article/details/145188517
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！