► 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，时序卷积）。

此层创建一个卷积核，该卷积核在单个空间（或时序）维度上与层输入进行卷积，以产生输出张量。如果 use_bias 为 True，则会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，它也会被应用于输出。

当将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，对于由 128 维向量组成的 10 个向量序列，输入形状为 (10, 128)；对于由 128 维向量组成的变长序列，输入形状为 (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：一个整数或包含单个整数的元组/列表，指定 1D 卷积窗口的长度。
strides：一个整数或包含单个整数的元组/列表，指定卷积的步长。指定任何步长值 != 1 与指定任何 dilation_rate 值 != 1 不兼容。
padding："valid"、"same" 或 "causal" 之一（不区分大小写）。"valid" 表示不进行填充。"same" 会在输入的左/右或上/下方均匀地用零进行填充，使输出具有与输入相同的高度/宽度维度。"causal" 产生因果（膨胀）卷积，例如 output[t] 不依赖于 input[t+1:]。在对不应违反时间顺序的时序数据进行建模时很有用。参见 WaveNet: A Generative Model for Raw Audio, section 2.1。
data_format：字符串，channels_last（默认）或 channels_first 之一。输入中维度的顺序。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，TensorFlow 在 CPU 上目前不支持 channels_first 格式。
dilation_rate：一个整数或包含单个整数的元组/列表，指定用于膨胀卷积的膨胀率。目前，指定任何 dilation_rate 值 != 1 与指定任何 strides 值 != 1 不兼容。
groups：一个正整数，指定输入沿通道轴分割的组数。每个组都与 filters / groups 个滤波器独立进行卷积。输出是将所有 groups 结果沿通道轴连接起来。输入通道和 filters 都必须能被 groups 整除。
activation：要使用的激活函数。如果未指定任何内容，则不应用激活函数（参见 keras.activations）。
use_bias：布尔值，表示层是否使用偏置向量。
kernel_initializer：kernel 权重矩阵的初始化器（参见 keras.initializers）。默认为 'glorot_uniform'。
bias_initializer：偏置向量的初始化器（参见 keras.initializers）。默认为 'zeros'。
kernel_regularizer：应用于 kernel 权重矩阵的正则化函数（参见 keras.regularizers）。
bias_regularizer：应用于偏置向量的正则化函数（参见 keras.regularizers）。
activity_regularizer：应用于层输出（其“激活”）的正则化函数（参见 keras.regularizers）。
kernel_constraint：应用于核矩阵的约束函数（参见 keras.constraints）。
bias_constraint：应用于偏置向量的约束函数（参见 keras.constraints）。

输入形状

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

输出形状

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

返回值

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

抛出异常

ValueError：当 strides > 1 和 dilation_rate > 1 同时存在时。

Conv1D 层

Conv1D 类

Conv1D 层

Conv1D 类

`Conv1D` 类