► Keras 3 API 文档 / 层 API / 卷积层 / Conv1D 层

Conv1D 层

`Conv1D` 类

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
)

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 不是 None，它也会应用于输出。

参数

filters: int，输出空间的维度（卷积中的滤波器数量）。
kernel_size: int 或 1 个整数的元组/列表，指定卷积窗口的大小。
strides: int 或 1 个整数的元组/列表，指定卷积的步幅长度。strides > 1 与 dilation_rate > 1 不兼容。
padding: 字符串，"valid"、"same" 或 "causal"（不区分大小写）。"valid" 表示无填充。"same" 导致在输入的左/右或上/下均匀填充。当 padding="same" 且 strides=1 时，输出的大小与输入相同。"causal" 导致因果（扩张）卷积，例如 output[t] 不依赖于 input[t+1:]。在对时间数据建模时很有用，此时模型不应违反时间顺序。请参阅 WaveNet：用于原始音频的生成模型，第 2.1 节。
data_format: 字符串，"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。它默认为在您的 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，则它将为 "channels_last"。
dilation_rate: int 或 1 个整数的元组/列表，指定用于扩张卷积的扩张率。
groups: 一个正整数，指定输入沿通道轴拆分的组数。每个组与 filters // groups 个滤波器分别进行卷积。输出是沿通道轴的所有 groups 结果的串联。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，则偏置将添加到输出中。
kernel_initializer: 卷积核的初始化器。如果为 None，将使用默认初始化器 ("glorot_uniform")。
bias_initializer: 偏置向量的初始化器。如果为 None，将使用默认初始化器 ("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: 可选的投影函数，在 Optimizer 更新卷积核后应用于卷积核（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，并且必须返回投影的变量（该变量必须具有相同的形状）。当进行异步分布式训练时，约束是不安全的。
bias_constraint: 可选的投影函数，在 Optimizer 更新偏置后应用于偏置。

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

表示 activation(conv1d(inputs, kernel) + bias) 的 3D 张量。

引发

ValueError：当 strides > 1 和 dilation_rate > 1 时。

示例

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

Conv1D 层

Conv1D 类

Conv1D 层

Conv1D 类

`Conv1D` 类