Conv1D 层

[source]

Conv1D class

keras.layers.Conv1D(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    data_format=None,
    dilation_rate=1,
    groups=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,
    **kwargs
)

一维卷积层（例如时间卷积）.

该层创建一个卷积核,该卷积核与输入层在一个单一的空间（或时间）维度上进行卷积,以生成输出张量.如果 use_bias 为 True,则创建一个偏置向量并将其添加到输出中.最后,如果 activation 不是 None,则将其应用于输出.

参数: filters: int, 输出空间的维度（卷积中滤波器的数量）. kernel_size: int 或 tuple/list 包含一个整数,指定卷积窗口的大小. strides: int 或 tuple/list 包含一个整数,指定卷积的步长长度.strides > 1 与 dilation_rate > 1 不兼容. padding: string, "valid", "same" 或 "causal"（不区分大小写）."valid" 表示无填充."same" 结果是在输入的左右或上下均匀填充.当 padding="same" 且 strides=1 时,输出与输入大小相同."causal" 结果为因果（膨胀）卷积,例如 output[t] 不依赖于 input[t+1:].在模型不应违反时间顺序的时间数据建模时非常有用.请参阅 WaveNet: A Generative Model for Raw Audio, section2.1. data_format: string, 可以是 "channels_last" 或 "channels_first".输入中维度的顺序."channels_last" 对应于形状为 (batch, steps, features) 的输入,而 "channels_first" 对应于形状为 (batch, features, steps) 的输入.它默认为 ~/.keras/keras.json 中的 image_data_format 值.如果你从未设置它,那么它将是 "channels_last". dilation_rate: int 或 tuple/list 包含一个整数,指定用于膨胀卷积的膨胀率. groups: 一个正整数,指定输入沿通道轴分成的组数.每个组分别与 filters // groups 个滤波器进行卷积.输出是所有 groups 结果沿通道轴的连接.输入通道和 filters 都必须能被 groups 整除. activation: 激活函数.如果为 None,则不应用激活. use_bias: bool, 如果为 True,则将偏置添加到输出. kernel_initializer: 卷积核的初始化器.如果为 None,则使用默认初始化器 ("glorot_uniform"). bias_initializer: 偏置向量的初始化器.如果为 None,则使用默认初始化器 ("zeros"). kernel_regularizer: 卷积核的可选正则化器. bias_regularizer: 偏置向量的可选正则化器. activity_regularizer: 输出的可选正则化函数. kernel_constraint: 可选投影函数,在 Optimizer 更新后应用于卷积核（例如用于实现层权重的范数约束或值约束）.该函数必须将未投影的变量作为输入,并返回投影的变量（必须具有相同的形状）.在异步分布式训练中使用约束不安全. bias_constraint: 可选投影函数,在 Optimizer 更新后应用于偏置.

输入形状:

• 如果 data_format="channels_last": 形状为 (batch_shape, steps, channels) 的 3D 张量
• 如果 data_format="channels_first": 形状为 (batch_shape, channels, steps) 的 3D 张量

输出形状:

• 如果 data_format="channels_last": 形状为 (batch_shape, new_steps, filters) 的 3D 张量
• 如果 data_format="channels_first": 形状为 (batch_shape, filters, new_steps) 的 3D 张量

返回: 表示 activation(conv1d(inputs, kernel) + bias) 的 3D 张量.

引发: ValueError: 当 strides > 1 和 dilation_rate > 1 时.

示例:

>>> # 输入是 10 个时间步长、长度为 128 的向量,批次大小为 4.
>>> x = np.random.rand(4, 10, 128)
>>> y = keras.layers.Conv1D(32, 3, activation='relu')(x)
>>> print(y.shape)
(4, 8, 32)