Keras 内核大小等于1的Conv1D执行什么操作？

我读了一个将

LSTM

与

CONV1

一起使用的示例。 （摘自：）

• 我知道卷积的维数是1（1维大小为1））

卷积的值是多少？（矩阵1*1的值是多少？）

我搞不清楚什么是

过滤器=64

？这是什么意思

relu

激活功能是否对卷积函数的输出起作用？（从我读到的来看，似乎是这样，但我不确定）

像我们在这里做的那样，将卷积函数与

内核_size=1

结合使用的动机是什么

过滤器

filters=64

表示使用的单独过滤器数量为64。 每个滤波器将输出1个通道。i、 e.这里64个滤波器对输入进行操作，以产生64个不同的通道（或向量）。因此，

过滤器

参数决定了输出通道的数量

内核大小

kernel\u size

确定卷积窗口的大小。假设

kernel\u size=1

，那么每个内核在\u通道x1中都有

的维度。因此，每个内核权重都将是维度张量中的

激活=重新激活
这意味着
relu
激活将应用于卷积运算的输出

内核大小=1卷积
用于通过应用非线性来减少深度通道。它会在保持感受野的同时，对通道进行加权平均

在您的示例中：
filters=64，kernel\u size=1，activation=relu
假设输入特征图的大小为
100 x 10
（100个通道）。然后层重量将为尺寸
64 x 100 x 1
。输出大小将为
64 x 10
谢谢，但是卷积的值是多少？（例如，3x3的蓝色卷积包含9个1/9的值）。卷积的值是多少？假设输入向量是[[1,1,1]，[2,2,2]]，即长度为3的2通道向量，核是[[5]，[5]]和[[1]，[1]]，那么输出将是[[1.5,1.5,1.5]，[3,3]]（bcoz 1x0.5+2x0.5=1.5和1x1+2x1=3）keras中默认的内核初始化方法是glorot_统一的。我想我在你的例子中遗漏了一些东西。如果内核是[.5]、.5]]和[.5]、.5]]，那么内核大小不是1？（是1*2否？）内核大小=1表示内核的空间（第一）维度的大小为1。此处，第二维表示通道，其取决于输入特征通道尺寸。查看有关1x1卷积的视频
Conv1D(filters=64, kernel_size=1, activation='relu')