keras - 内核大小等于 1 的 Conv1D 做什么？

Question

我读了一个使用 LSTM 的例子与 CONV1 .
(取自:CNN LSTM)

Conv1D(filters=64, kernel_size=1, activation='relu')

我知道卷积的维度是 1(一个尺寸为 1 的暗))

卷积的值是多少？ (矩阵 1*1 的值是多少？)

我不知道什么是 filters=64 ?这是什么意思 ？

是relu激活函数作用于卷积的输出？ (从我读到的似乎是这样，但我不确定)

将卷积与 kernel_size = 1 一起使用的动机是什么？ ，正如我们在这里所做的那样？

Answer 1

过滤器filters = 64意味着使用的单独过滤器的数量是 64。
每个滤波器将输出 1 个 channel 。即这里 64 个滤波器对输入进行操作以产生 64 个不同的 channel (或向量)。因此 filters参数决定输出 channel 的数量。
内核大小kernel_size确定卷积窗口的大小。假设 kernel_size = 1那么每个内核的维度为 in_channels x 1 .因此每个内核权重将为 in_channels x 1维度张量。
激活 = relu
这意味着 relu激活将应用于卷积运算的输出。
kernel_size = 1 卷积
用于通过应用非线性减少深度 channel 。它会在保持感受野的同时做一些像跨 channel 加权平均的事情。
在您的示例中:filters = 64, kernel_size = 1, activation = relu假设输入特征图的大小为 100 x 10 (100 个 channel )。那么维度64 x 100 x 1的层权重将.输出大小将为 64 x 10 .