Python tf.keras.layers.Conv1D用法及代码示例

一维卷积层(例如时间卷积)。

继承自：Layer，Module

用法

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
)

该层创建了一个卷积核，该核与层输入在单个空间(或时间)维度上进行卷积，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 ，它也会应用于输出。

当将此层用作模型中的第一层时，请提供 input_shape 参数(整数元组或 None ，例如 (10, 128) 用于 128 维向量的 10 个向量的序列，或 (None, 128) 用于可变长度128 维向量的序列。

例子：

# 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)

输入形状：

具有形状的 3+D 张量：batch_shape + (steps, input_dim)

输出形状：

具有形状的 3+D 张量：batch_shape + (new_steps, filters) steps 值可能由于填充或步幅而改变。