keras - 二维输入上的 Conv1D

Question

有人可以向我解释当 keras Conv1D 层输入 2D 输入时会发生什么吗？
如:

model=Sequential()
model.add(Conv1D(input_shape=(9000,2),kernel_size=200,strides=1,filters=20))

在 (9000,1) 和 (9000,2) 之间改变输入大小并调用 model.summary()，我看到输出形状保持不变，但参数数量发生了变化。那么，这是否意味着为每个 channel 训练了不同的过滤器，但在输出之前在第 2 维上对输出求和/求平均？或者是什么？

Answer 1

这是一个视觉插图

kernel_size = (2, )

------------- 
| 1 1 1 1 1 |                <---- kernel dim = kernel_size X 5
| 2 2 2 2 2 |
-------------
  3 3 3 3 3 



--------------------------
| 1 1 1 1 1 1 1 1 1 1 1 1 |  <---- kernel dim = kernel_length X 12
| 2 2 2 2 2 2 2 2 2 2 2 2 |        i.e more params! but after 
--------------------------         you apply say MaxPool1D(pool_size=(2,2))
  3 3 3 3 3 3 3 3 3 3 3 3          in both cases, then layer shapes from here
                                   on out are the same, thus same outputs!