Python keras中的因果填充

有人能解释一下Keras中“因果”填充背后的直觉吗。是否有任何特定的应用程序可以使用此功能

---

keras手册说这种填充会导致卷积扩大。“扩展”卷积的确切含义是什么？

这是卷积类型，时间t的输出仅取决于之前的时间步长（小于t）。我们不会考虑未来的时间步长，同时获得CONV输出。请检查这张Wavenet文件

---

这是一个关于什么是“因果”填充的非常简洁的解释：

Conv1D允许我们指定的一件事是padding=“因果”。这只是在前面用零填充层的输入，以便我们也可以预测帧中早期时间步长的值：

扩张仅仅意味着跳过节点。与告诉您下一步在哪里应用内核的步骤不同，扩展告诉您如何扩展内核。从某种意义上说，它相当于前一层中的跨步

在上面的图像中，如果较低层的步幅为2，我们将跳过（2,3,4,5），这将给出相同的结果

信贷：基利安·巴兹纳