pytorch搭建卷积神经网络cnn处理脑电数据过程代码

参考图像处理的代码，自己对脑电数据进行了应用，数据量比较小，准确率不高，主要为了理解算法结构。

参考文章：https://zhuanlan.zhihu.com/p/115866586

谢谢大佬的分享，代码很清晰，便于理解，但是下载后还是不能直接在我的脑电数据中运行进行处理，主要是数据结构和数据类型不同，需要手动再进行调整。

原文中是对minitst数据进行了图像的分类，训练数据是四维的，有10个标签，脑电数据这里用的三维，并且维度中的数据长度也有影响，所以一定需要对网络结构进行调整，可以两篇文章中的代码对比阅读，更有利于对维度的变化，结构的调整进行理解。

我的脑电是用Matlab采集的，16维的数据和标签保存在结构体数据中，所以在代码的最开始还对数据进行了手动分段

整个代码分为几个部分：准备数据，搭建神经网络，训练数据，预测数据

1.导入包

#导入包
import torch
torch.set_default_tensor_type(torch.FloatTensor)
import numpy as np
import scipy.io
import torch.utils.data as Data
import torch.nn as nn
import torch.nn.functional as F

2.准备数据

#准备数据
# make data
## load eegdata
samplesfile = scipy.io.loadmat('/Users/thrive/Documents/Dong/research/mypaper/code/dataset/rawdata/subject1.mat') #读入字典
eegdata = samplesfile['eeg'] #提取numpy数组,结构体名称是eeg，包含字段有name date data1 marker1 data2 marker2……
print('# test eegdata:',eegdata[0,0]['marker1'][:2,:1],'\n')#打印出来marker1字段看一下

tbase=0.2#基线长度
ttrial=0.5#关注的脑电时间段
fs=1200#采样率

## train data
### epoch data将数据分段
epochdata=np.zeros((20,16,int((tbase+ttrial)*fs)))#初始化一个数组用于存放分段后的脑电数据

i=0
for temp in epochdata:
    epochdata[i,:,:]=eegdata[0,0]['data1'][:,round((eegdata[0,0]['marker1'][i,1]-tbase)*fs):round((eegdata[0,0]['marker1'][i,1]-tbase)*fs)