【CNN-Transformer一维序列分类源代码】

Python，Pytorch使用一维CNN-Transformer，对一维序列进行分类源程序。

程序旨在学习如何构建CNN-Transformer网络，以及如何转换数据维度使得CNN的输出能够衔接Transformer，本程序是将CNN的输出通道数直接匹配作为Transformer的维度。CNN可以提取空间特征，Transformer则提取长时序列特征，模型创新性较强。

在使用此程序时，建议先大致了解Transformer框架的基本结构：Transformer模型中有Encoder和Decoder模块。参考了许多使用Transformer做分类的程序，模型中均是只使用了Encoder模块。本程序仅使用了Transformer的Encoder模块，没有用Decoder。且没有用Embedding，因为考虑到需要级联CNN，Embedding不好写进去，而且序列也没有明确的位置信息，可以不用Embedding。

程序工作如下：

1、加载数据。原始数据为Excel，400条1*500的序列（心电信号），其中200条正常，200条异常。

2、构建CNN-Transformer模型。其中，CNN用了2层，Transformer_Encoder用了6层，里面nhead=4。

3、训练、测试。显示训练集准确率和Loss变化，计算测试集Acc、P