Keras中Conv1D的使用及說明

更新時間：2022年12月15日 15:28:49 作者：脈望蟲

這篇文章主要介紹了Keras中Conv1D的使用及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

Conv1D

keras.layers.Conv1D(filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

1D 卷積層 (例如時序卷積)。

該層創(chuàng)建了一個卷積核，該卷積核以單個空間（或時間）維上的層輸入進行卷積，以生成輸出張量。如果 use_bias 為 True，則會創(chuàng)建一個偏置向量并將其添加到輸出中。最后，如果 activation 不是 None，它也會應用于輸出。

當使用該層作為模型第一層時，需要提供 input_shape 參數(shù)（整數(shù)元組或 None），例如， (10, 128) 表示 10 個 128 維的向量組成的向量序列， (None, 128) 表示 128 維的向量組成的變長序列。

參數(shù)

filters: 整數(shù)，輸出空間的維度（即卷積中濾波器的輸出數(shù)量）。
kernel_size: 一個整數(shù)，或者單個整數(shù)表示的元組或列表，指明 1D 卷積窗口的長度。
strides: 一個整數(shù)，或者單個整數(shù)表示的元組或列表，指明卷積的步長。指定任何 stride 值 != 1 與指定 dilation_rate 值 != 1 兩者不兼容。
padding: “valid”, “causal” 或 “same” 之一 (大小寫敏感) “valid” 表示「不填充」。 “same” 表示填充輸入以使輸出具有與原始輸入相同的長度。 “causal” 表示因果（膨脹）卷積，例如，output[t] 不依賴于 input[t+1:]，在模型不應違反時間順序的時間數(shù)據(jù)建模時非常有用。
data_format: 字符串, “channels_last” (默認) 或 “channels_first” 之一。輸入的各個維度順序。 “channels_last” 對應輸入尺寸為 (batch, steps, channels) (Keras 中時序數(shù)據(jù)的默認格式) 而 “channels_first” 對應輸入尺寸為 (batch, channels, steps)。
dilation_rate: 一個整數(shù)，或者單個整數(shù)表示的元組或列表，指定用于膨脹卷積的膨脹率。當前，指定任何 dilation_rate 值 != 1 與指定 stride 值 != 1 兩者不兼容。
activation: 要使用的激活函數(shù)。如未指定，則不使用激活函數(shù) (即線性激活： a(x) = x)。
use_bias: 布爾值，該層是否使用偏置向量。
kernel_initializer: kernel 權(quán)值矩陣的初始化器。
bias_initializer: 偏置向量的初始化器。
kernel_regularizer: 運用到 kernel 權(quán)值矩陣的正則化函數(shù)。
bias_regularizer: 運用到偏置向量的正則化函數(shù)。
activity_regularizer: 運用到層輸出（它的激活值）的正則化函數(shù) 。
kernel_constraint: 運用到 kernel 權(quán)值矩陣的約束函數(shù)。
bias_constraint: 運用到偏置向量的約束函數(shù)。