Conv1D在Keras中的行为（张量的维数）

Question

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

Answer 1

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