Open MayberW opened 5 years ago
你好。 这里的有些问题其实是在别的issue里回复过的,这里就当汇总一下重新回复一遍:
文章中说明,目标是预测128个数据比特,但是分为8个独立的网络完成。 也就是说每个网络只需要预测16个,也就是你所看到的标签的维度。 你可以理解为是减少了每个网络的任务难度,从而提升了性能。
如上所述。 显然你可以设置为128, 你可以自己去试试,然后自己改一下标签就可以了。 我很早试过,网络会工作,但性能会下降。
信道状态16和输出的16的相等只是一个巧合。 信道的16代表了信道时域上的16个采样点。 模型训练过程中,系统也会带着导频一起训练。这样在线上使用时,网络才能学到如何使用导频来获取信道信息。
这是我代码的一点纰漏。 validation那边应该用test的那个npy文件的数据。但是逻辑一样。 之前也有人和我提过,但是对结果影响很小,你可以手动改一下 (理论上只要测试样本没在训练期间被使用过就具有一般性) 我的test部分的代码逻辑没有问题。 如果你用predict的话也可以,但是会比较麻烦,因为你predict的结果还是要去和label比较来计算误码率,所以evaluate最省事。 predict的结果和导频无关,假设你predict的输入x是N个样本,那么输出就是N * 16的矩阵。 每一行对应每个样本的16个预测的bit。 和导频是没有关系的。 (第一维对应样本数)。
以上就是我对这些问题的回答,如果还有疑问,可以继续讨论,希望帮到了你。如果可以,可以点个star支持一下哈。
顺祝时祺。
您的回答使我茅塞顿开,热心的回复让我感到敬佩。有这部分的回复后,我需要先自己试验一下,这样才能更好的理解。有问题我也会继续追问的哈,谢谢
Dear Sir, I really appreciate your hard work..and please I have a question, in main file line 48, why do you make (model.evaluate) on function called (validation_gen) which exactly contains the generation of training datasets not the test datasets??..
why did not you apply evaluation the model on testing datasets you provided , instead of training datasets ? I'm waiting for your reply.. thanks in advance.
Dear sir, please what is the value of SNR (Signal Noise to ratio used in training the model ) ??
1.这里的疑问在于,每一次循环,样本加的是128bit导频和128bit数据(共256个数),却只加了前16个bit作为label(16个二进制数),那么样本和标签怎么能匹配的上,如何能进行训练呢?