Python Conv1D中的步幅使用

这是我第一次尝试在时间序列数据中使用Conv1D。我知道默认情况下conv1d的步长为1。但是如果我有一个1500x9大小的数据，我使用了32个250大小的过滤器，步幅为9

我试图搜索很多资料，但没有得到很好的解释。如果我使用9作为步长值，我的´model.summary（）´如下所示

如果我使用stride=1，那么model.summary（）如下所示

---

它将如何工作？如果有人能解释这一点，我会很高兴。

这是因为梯度，例如，如果您计算：

input shape:[batch,1500,9]
filtershape:[32,9,250]
stride:1

如果padding=“same”它将过滤器应用到1500中的每32个，在这种情况下，optimizer asocietes过滤器使用1500（int（1500/1））过程的梯度进行扫描 但是，如果您将步幅设置为9，那么当您使用166（int（1500/9））过程的梯度执行此优化器asocietes过滤器时，它会将过滤器应用到1500中的每32个，并将9扫掠9

166过程的梯度比1500更容易处理。这样做可以打破输出之间的相关性。它变得更容易优化，但这并不意味着精度值会更高

如果您想更好地理解，我建议您阅读此文档：

---

我已经阅读了此文档。就像我发布的问题一样，当我选择步幅=1和步幅=9时，我无法理解模型性能的差异。我知道当我们选择更高的步幅值时，它会跳过这些值。但为什么模型的性能会有如此大的差异呢。stride=1的模型性能不好，但stride=9的模型性能非常好。@Gafa您没有询问性能变化的背景，只是询问stride的工作方式。

input shape:[batch,1500,9]
filtershape:[32,9,250]
stride:1