分类：Conv1D

2020
10-08

基于Keras中Conv1D和Conv2D的区别说明

如有错误，欢迎斧正。我的答案是，在Conv2D输入通道为1的情况下，二者是没有区别或者说是可以相互转化的。首先，二者调用的最后的代码都是后端代码（以TensorFlow为例，在tensorflow_backend.py里面可以找到）：x=tf.nn.convolution(input=x,filter=kernel,dilation_rate=(dilation_rate,),strides=(strides,),padding=padding,data_format=tf_data_format)区别在于input和filter传递的参数不同，input不必说，filter=kern... 继续阅读 >

2020
09-29

关于keras.layers.Conv1D的kernel_size参数使用介绍

今天在用keras添加卷积层的时候，发现了kernel_size这个参数不知怎么理解，keras中文文档是这样描述的：kernel_size:一个整数，或者单个整数表示的元组或列表，指明1D卷积窗口的长度。又经过多方查找，大体理解如下：因为是添加一维卷积层Conv1D()，一维卷积一般会处理时序数据，所以，卷积核的宽度为1，而kernel_size就是卷积核的长度了，这样的意思就是这个卷积核是一个长方形的卷积核。补充知识：tf.layers.conv1d函数解析... 继续阅读 >