如何将四维数据调整为适合1D-CNN输入的形状

要将四维数据（批次100，通道1，宽10000，长12）调整为适合1D-CNN输入的形状，可以使用numpy库进行修改。以下是修改示例代码：

import numpy as np

# 假设原始数据为data，形状为(100, 1, 10000, 12)
data = np.random.random((100, 1, 10000, 12))

# 将数据转换为(100, 10000, 12)的形状
data_1d = np.squeeze(data, axis=1)

# 将数据转换为(100, 120000)的形状
data_1d = np.reshape(data_1d, (100, -1))

# 输出调整后的数据形状
print(data_1d.shape)

在上述代码中，首先使用np.squeeze函数将通道维度去除，将数据形状从(100, 1, 10000, 12)转换为(100, 10000, 12)。然后使用np.reshape函数将数据形状从(100, 10000, 12)转换为(100, 120000)。最终得到的data_1d就是符合1D-CNN输入要求的形状。

需要注意的是，根据具体的1D-CNN模型定义，可能还需要对数据进行进一步的调整，例如进行归一化或者添加padding等操作。以上代码仅仅是将数据形状进行了调整，具体的模型定义和数据处理还需要根据具体情况进行修改。