Conv1D 層

[原始碼]

Conv1D 類別

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 卷積層 (例如，時間卷積)。

此層建立一個卷積核，該卷積核在單個空間（或時間）維度上與層輸入進行卷積，以產生輸出張量。如果 use_bias 為 True，則會建立偏差向量並將其添加到輸出中。最後，如果 activation 不是 None，它也會應用於輸出。

引數

• filters: int，輸出空間的維度（卷積中的濾波器數量）。
• kernel_size: int 或 1 個整數的元組/列表，指定卷積窗口的大小。
• strides: int 或 1 個整數的元組/列表，指定卷積的步幅長度。strides > 1 與 dilation_rate > 1 不相容。
• padding: 字串，"valid"、"same" 或 "causal" (不區分大小寫)。"valid" 表示無填充。"same" 會均勻地填充輸入的左/右或上/下。當 padding="same" 且 strides=1 時，輸出的大小與輸入相同。"causal" 會產生因果（擴張）卷積，例如 output[t] 不依賴於 input[t+1:]。在對時間資料建模且模型不應違反時間順序時很有用。請參閱 WaveNet: A Generative Model for Raw Audio，第 2.1 節。
• data_format: 字串，"channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch, steps, features) 的輸入，而 "channels_first" 對應於形狀為 (batch, features, steps) 的輸入。它預設為在您的 Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定它，則它將為 "channels_last"。
• dilation_rate: int 或 1 個整數的元組/列表，指定用於擴張卷積的擴張率。
• groups: 一個正整數，指定沿通道軸分割輸入的組數。每個組都與 filters // groups 個濾波器分開卷積。輸出是沿通道軸的所有 groups 結果的串聯。輸入通道和 filters 都必須可被 groups 整除。
• activation: 激活函數。如果為 None，則不應用激活函數。
• use_bias: bool，如果為 True，則偏差將被添加到輸出中。
• kernel_initializer: 卷積核的初始化器。如果為 None，將使用預設初始化器 ("glorot_uniform")。
• bias_initializer: 偏差向量的初始化器。如果為 None，將使用預設初始化器 ("zeros")。
• kernel_regularizer: 卷積核的可選正規化器。
• bias_regularizer: 偏差向量的可選正規化器。
• activity_regularizer: 輸出的可選正規化函數。
• kernel_constraint: 可選的投影函數，用於在 Optimizer 更新卷積核後應用於卷積核（例如，用於實現層權重的範數約束或值約束）。該函數必須將未投影的變數作為輸入，並且必須傳回投影的變數（必須具有相同的形狀）。當執行非同步分散式訓練時，約束是不安全的。
• bias_constraint: 可選的投影函數，用於在 Optimizer 更新偏差後應用於偏差。

輸入形狀

• 如果 data_format="channels_last"：具有形狀的 3D 張量：(batch_shape, steps, channels)
• 如果 data_format="channels_first"：具有形狀的 3D 張量：(batch_shape, channels, steps)

輸出形狀

• 如果 data_format="channels_last"：具有形狀的 3D 張量：(batch_shape, new_steps, filters)
• 如果 data_format="channels_first"：具有形狀的 3D 張量：(batch_shape, filters, new_steps)

傳回

代表 activation(conv1d(inputs, kernel) + bias) 的 3D 張量。

引發

• ValueError: 當 strides > 1 和 dilation_rate > 1 時。

範例

>>> # 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)