Machine learning Keras卷积层的输出维数

Keras教程给出了以下代码示例（带注释）：

---

我对输出大小感到困惑。它不应该创建深度为64、宽度为32的10个时间步（步幅默认为1，没有填充）吗？因此，在k维卷积中，您将有一个过滤器，它将以某种方式保留前k维的结构，并通过使用过滤器权重卷积来压缩所有其他维的信息，而不是

（无，10,64）

。因此，网络中的每个过滤器基本上都有一个维度（3x32），最后一个维度（这个维度大小为32）中的所有信息都将压缩为一个实数，并保留第一个维度。这就是为什么你有这样的形状

当你有一张彩色图像时，你可以想象一个类似的情况。您的输入将具有三维结构（图片长度、图片宽度、颜色）。当你对你的前两个维度应用二维卷积时，所有关于颜色的信息都会被你的滤镜压扁，不会保留在你的输出结构中。和这里一样

# apply a convolution 1d of length 3 to a sequence with 10 timesteps,
# with 64 output filters
model = Sequential()
model.add(Convolution1D(64, 3, border_mode='same', input_shape=(10, 32)))
# now model.output_shape == (None, 10, 64)