我的问题涉及Keras中Conv1D层中张量的维数。输入形状应该是(批处理、步骤、通道)。例如,我有加速计数据,在这里我得到每个轴的时间信号。我想在长度为50的时间窗上进行推断,因此推断的一个示例具有形状(50,3)。你知道吗
现在,如果我使用Conv1D层作为这个数据的第一层,kernel_size=10,filters=64,那么第一层在一个数据窗口上的结果的形状是(41,64)。我完全理解会弹出41,因为它是长度为50的信号与长度为10的内核卷积产生的样本数。然而,我不能完全确定我的加速度计的三个轴在这些数据中的位置。我更期待以下行为:
输入形状=(批、步、通道), 输出形状=(批处理、转换后的步数、通道、过滤器)
有人能解释一下凯拉斯的行为吗?我从文件上看不太明白。你知道吗
如上面给出的图像所示(图像提供:http://followtheart.info/kareff-Mon_15_14.html),在
convolution
中的CNN
操作中,每个滤波器在所有信道上进行卷积(在RGB图像的情况下为三个信道)以计算输出值。因此,在64个过滤器的情况下,每个过滤器将从其感受野的所有输入通道获取值。因此,无论您的输入中有多少个通道,您的输出都将有64个过滤器的输出。你知道吗对于一批图像
(batch_size, num_channels, height, width)
,输出的形状将是(batch_size, num_filters, height_after_conv, width_after_conv)
。你知道吗相关问题 更多 >
编程相关推荐