【Matlab序列+矩阵，双输入深度学习网络】

之前整理过Matlab序列+序列、序列+图像双输入的网络，在本人闲鱼主页下都可以找到。近来发现，Matlab对于矩阵的输入好像是不太一样的。起初是想将序列+图像的网络中，直接把图像输入层改为通道1就可以，实际上是行不通的。这要归咎于这个arrayDatastore函数（在双输入网络中，序列和矩阵的数据都必须经过arrayDatastore转化，图像可以用imageDatastore函数）。

但方法总比困难多的，好在Matlab 2023之后的版本引入了3d卷积这个层（image3dInputLayer）。是的，用3d卷积是比较容易处理矩阵的，虽然这有些大材小用，但是方便第一。

网络：如下是本程序构建的网络，一端输入1x100的序列，一端输入100x100的矩阵。网络可以自己写代码构建，也可以用Matlab里的深度学习app搭积木。个人非常建议app搭积木，真的非常方便，app里搭完也可以导出成代码。

这个数据是直接rand生成的，在源代码里也有。为了区分两类样本，制造了些差异。因只是示例作用，数据弄得很简单。

数据：10条序列数据，1x100。10条矩阵数据，100x100。序列和矩阵一一对应，8条训练，2条测试。

在整理数据的时候是非常令人头疼的，稍有不慎就会报错：输入维度不匹配，网络期待的输入是什么什么样，而数据格式是什么什么样。本人也在这卡了很久，矩阵reshape成样本数x100x100x1后，输入的时候总提示我的数据是1x100x1而网络需要1x100x100，困惑了近一小时。于是想到了用3d卷积层，矩阵reshape成样本数x100x100x1，就终于可以输入了。之前一直没用过3d卷积层，真没想到处理单通道的矩阵要用上这个大零件了，也许Matlab的本意就是让大家这样用？如果大家有了能用2d卷积层调通的方法，也可以评论区分享给大家~

训练过程：

写在最后：整理确实花了些时间，也是工作之余晚上熬夜来整理的- -希望大家原谅本人没有公开代码。码农不易，所有的源代码和数据已经放在了闲鱼上，价格低廉59元。如果大家不想花钱也可以仔细看一下以上的介绍，有基础的话自己应该也可以琢磨出来，祝大家科研顺利！

【闲鱼链接】：https://m.tb.cn/h.gKorDgG?tk=5i693hBUyQm CZ3452

如果链接失效，也可以闲鱼搜索耐心的等待5283，然后点用户，就可以找到主页下的程序了。