Machine learning Keras CNN参数太少

我试图用3个输入和keras中的sigmoid激活函数重新创建以下教程CNN：

因此，参数的数量应为7（假设1个大小为2的过滤器在2个位置上卷积（顶部2个输入或2个较低的输入），2个共享权重（在突触上显示为1.0），conv1d层中没有填充）。当我用Keras写下以下内容时：

当我在

model.summary（）中检查它时，我只得到5个参数：


我需要做什么才能获得正确数量的参数？由于我是Keras的新手，我的代码中可能有几处错误。
所有卷积参数都是在空间上共享的（在1D的情况下，这意味着整个输入序列）。精确地说，长度
2
的卷积滤波器两次应用于输入
（x[0]，x[1]）
和
（x[1]，x[2]）
，但在这两种情况下都是相同的滤波器，相应地，可训练参数也相同

这解释了您现在得到的模型的大小：
Conv1D
有3个参数（权重
（2）
和偏差
（1）
），密集层有2个参数，因为
Conv1D
的输出是
（？，2，1）

最后，我不能评论你试图实现的网络。它们可能意味着2个过滤器（但该层将有6个参数）。。。但我不知道有任何实现，其中卷积层对每个补丁都有单独的参数。
请不要将代码作为图片发布。好的，谢谢！这是我的画，我现在意识到conv1d层应该只有一个偏置突触，在文献中仔细检查了它。我仍然不明白为什么稠密层中有2个而不是3个参数：有2个conv1d输出，但也必须训练的偏差又如何？哦，一个修正：稠密层包括偏差-它有1个权重和1个偏差。但是，这种布线并不传统，因为通常密集层的输入具有秩2，这意味着
（？，2，1）
应该通过展平来重塑为
（？，2）
。我以为keras会自动完成，但它不会，所以你必须自己添加
Flatten
层。这将导致致密层中的3个参数，总计6个。