Python 张量流中的Conv1D混淆

由于一些维度问题，试图实现一个文件并遇到一些砖墙。我的输入是单声道音频数据，其中128帧50ms的16kHz采样音频被送入网络。所以我的输入形状是： [128,0.005*16000, 1] 下面是图层的详细信息-

1.）conv银行区块：Conv1d-bank-8，勒鲁，IN（实例规范化） 我通过以下方式实现这一目标：

bank_width = 8
conv_bank_outputs = tf.concat([ tf.layers.conv1d(input,1,k,activation=tf.nn.leaky_relu,padding="same") for k in range(1, bank_width + 1)], axes = -1)

2.）转换块：C-512-5，LReLu-->C-512-5，步长=2，LReLu，IN，RES（剩余）

这就是我被卡住的地方，第二次卷积的输出和（2）层的输入的形状不匹配。我的头脑绕不过去

我通过以下方式实现这一目标：

block_1 = tf.layers.conv1d(input,filters=512,kernel_size=5,activation=tf.nn.leaky_relu,padding="same")
block_2 = tf.layers.conv1d(block_1,filters=512,kernel_size=5,strides=2,activation=tf.nn.leaky_relu,padding="same")
IN = tf.contrib.layers.instance_norm(block_2)
RES = IN + input

---

错误：

ValueError:对于输入形状为[128400512]、[1288001024]的“添加”（op:“添加”）而言，维度必须相等，但为400和800。

当您在stride=2的block1上运行conv1d时，输入数据将减半，因为conv1d只对备用数字进行有效采样，而且您还更改了通道数。这通常是通过1x1 conv使用步长2和过滤器512对输入进行下采样来解决的，不过如果你能分享这篇论文，我可以更具体一些。

你能提供这篇论文吗？