► Keras 2 API文档 / 层 API / 卷积层 / Conv1D 层

Conv1D 层

`Conv1D` 类

tf_keras.layers.Conv1D(
    filters,
    kernel_size,
    strides=1,
    padding="valid",
    data_format="channels_last",
    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
)

1D卷积层（例如，时间卷积）。

此层创建一个卷积核，该卷积核与层输入在单个空间（或时间）维度上进行卷积，以生成输出张量。如果 use_bias 为 True，则会创建一个偏置向量并添加到输出中。最后，如果 activation 不为 None，则也会将其应用于输出。

当使用此层作为模型的第一层时，请提供 input_shape 参数（整数元组或 None，例如，对于长度为 10、维度为 128 的向量序列，则为 (10, 128)，对于长度可变的 128 维向量序列，则为 (None, 128)。

示例

>>> # The inputs are 128-length vectors with 10 timesteps, and the
>>> # batch size is 4.
>>> input_shape = (4, 10, 128)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.Conv1D(
... 32, 3, activation='relu',input_shape=input_shape[1:])(x)
>>> print(y.shape)
(4, 8, 32)

>>> # With extended batch shape [4, 7] (e.g. weather data where batch
>>> # dimensions correspond to spatial location and the third dimension
>>> # corresponds to time.)
>>> input_shape = (4, 7, 10, 128)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.Conv1D(
... 32, 3, activation='relu', input_shape=input_shape[2:])(x)
>>> print(y.shape)
(4, 7, 8, 32)

参数

filters：整数，输出空间的维度（即卷积中的输出滤波器数量）。
kernel_size：一个整数或单整数的元组/列表，指定 1D 卷积窗口的长度。
strides：一个整数或单整数的元组/列表，指定卷积的步长。指定任何不等于 1 的步长值都与指定任何不等于 1 的 dilation_rate 值不兼容。
padding："valid"、"same" 或 "causal"（不区分大小写）之一。"valid" 表示不填充。"same" 结果是将零填充到输入上/下或左/右，使得输出具有与输入相同的宽度/高度维度。"causal" 结果是因果（扩张）卷积，例如，output[t] 不依赖于 input[t+1:]。在对应该模型不应违反时间顺序的时间数据进行建模时很有用。请参阅 WaveNet: A Generative Model for Raw Audio, section 2.1。
data_format：一个字符串，channels_last（默认）或 channels_first 之一。输入中的维度顺序。channels_last 对应于形状为 (batch_size, width, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, width) 的输入。请注意，channels_first 格式目前在 CPU 上的 TensorFlow 中不受支持。
dilation_rate：一个整数或单整数的元组/列表，指定用于扩张卷积的扩张率。目前，指定任何不等于 1 的 dilation_rate 值都与指定任何不等于 1 的 strides 值不兼容。
groups：一个正整数，指定输入在通道轴上分割的组数。每组独立地用 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：要使用的激活函数。如果您不指定任何内容，则不应用激活（请参阅 keras.activations）。
use_bias：布尔值，表示该层是否使用偏置向量。
kernel_initializer：kernel 权重矩阵的初始化器（请参阅 keras.initializers）。默认为 'glorot_uniform'。
bias_initializer：偏置向量的初始化器（请参阅 keras.initializers）。默认为 'zeros'。
kernel_regularizer：应用于 kernel 权重矩阵的正则化函数（请参阅 keras.regularizers）。
bias_regularizer：应用于偏置向量的正则化函数（请参阅 keras.regularizers）。
activity_regularizer：应用于层输出（其“激活”）的正则化函数（请参阅 keras.regularizers）。
kernel_constraint：应用于核矩阵的约束函数（请参阅 keras.constraints）。
bias_constraint：应用于偏置向量的约束函数（请参阅 keras.constraints）。

输入形状

3+D 张量，形状为：batch_shape + (steps, input_dim)

输出形状

3+D 张量，形状为：batch_shape + (new_steps, filters)。由于填充或步长，steps 值可能会发生变化。

一个秩为 3 的张量，表示 activation(conv1d(inputs, kernel) + bias)。

引发

ValueError：当 strides > 1 和 dilation_rate > 1 都存在时。

Conv1D 层

Conv1D 类

Conv1D 层

Conv1D 类

`Conv1D` 类