stride = 1 和 1 濾波器的 1D CNN 不應(yīng)該輸出長(zhǎng)度等于輸入長(zhǎng)度而不需要填充嗎？我認(rèn)為是這種情況，但使用這些規(guī)范創(chuàng)建了一個(gè) Keras 模型，當(dāng)輸入形狀為 (17910,1) 時(shí)，輸出形狀為 (17902,1)。我想知道為什么尺寸減少了，因?yàn)椴椒?1 并且它是一維卷積。model = keras.Sequential([layers.Conv1D(filters=1,kernel_size=9,strides=1,activation=tf.nn.relu,input_shape=X_train[0].shape) ])我希望這個(gè)模型的輸出形狀應(yīng)該是 (17910,1)，但顯然我在這個(gè) conv 中缺少了一個(gè)減少維度的來(lái)源。層。
1 回答
開心每一天1111
TA貢獻(xiàn)1836條經(jīng)驗(yàn) 獲得超13個(gè)贊
輸出向量的長(zhǎng)度取決于輸入的長(zhǎng)度和內(nèi)核大小。由于您的內(nèi)核大小為 9，因此您將獲得 17902 個(gè)輸入卷積，因此輸出形狀為 (17902,1)（無(wú)填充）。
為了更好地理解：
沒有填充：
帶填充：
是否應(yīng)該使用填充更多的是準(zhǔn)確性問題。正如 Ian Goodfellow、Yoshua Bengio 和 Aaaron Courville 在他們的深度學(xué)習(xí)書中發(fā)現(xiàn)的那樣，最佳填充（至少對(duì)于 2D 圖像）介于“無(wú)”和“相同”之間
所以我的建議是，嘗試兩種不同的 CNN，它們除了填充之外具有相同的架構(gòu)，并采用準(zhǔn)確度更高的一種。
添加回答
舉報(bào)
0/150
提交
取消