如何在PyTorch中将400份5000点信号数据集转换为[400,1,5000]张量

首先明确nn.Conv1d要求的输入格式为[batch_size, in_channels, signal_length]，你现有的400条单通道传感器数据缺了通道维度，按以下步骤调整即可：

• 第一步：导入依赖
  如果你原始数据是numpy格式，导入numpy和torch即可；如果是Python原生列表，只导入torch也可以。

  import torch
  import numpy as np
  

• 第二步：将原始数据转换为PyTorch张量
  分两种常见原始数据格式处理：
  1. 原始数据为形状(400, 5000)的numpy数组：

  # 这里替换成你自己的原始数据变量即可
  raw_data = np.random.randn(400, 5000)
  data_tensor = torch.tensor(raw_data, dtype=torch.float32)
  

  2. 原始数据为嵌套Python列表（外层400个元素，每个元素是5000个数值的列表）：

  # raw_data = [[1,2,...,5000], ..., [第400条的5000个数值]]
  data_tensor = torch.tensor(raw_data, dtype=torch.float32)
  

  这一步得到的张量形状为[400, 5000]。
• 第三步：新增通道维度，匹配Conv1d输入要求
  两种常用方法均可，效果完全一致：
  方法1：用unsqueeze在索引为1的位置新增通道维度，语义更清晰：

  formatted_tensor = data_tensor.unsqueeze(1)
  

  方法2：用view直接修改形状，适合需要批量适配不同数据量的场景：

  # 总元素数一致的前提下，-1可以自动匹配样本数，不用硬写400
  formatted_tensor = data_tensor.view(-1, 1, 5000)
  

  调整后打印formatted_tensor.shape，输出为torch.Size([400, 1, 5000])即符合要求。

注意：后续训练时将该张量传入TensorDataset配合DataLoader即可按批次加载，你的1DCNN第一层nn.Conv1d的in_channels参数需要设置为1，和输入的通道数匹配。

内容的提问来源于stack exchange，提问作者Praveen C