内核大小等于 1 的 Conv1D 做什么？

Question

我读了一个使用 LSTM 和 CONV1 的例子。 （摘自：CNN LSTM）

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

• 我知道卷积的维度是1（一个dim with size 1））

1. 卷积的值是多少？ （矩阵1*1的值是多少？）
2. 我不知道 filters=64 是什么？这是什么意思？
3. relu 激活函数是否作用于卷积的输出？ （从我读到的似乎是这样，但我不确定）
4. 我们在这里使用 kernel_size = 1 卷积的动机是什么？

Answer 1

过滤器

filters = 64 表示使用的独立过滤器数量为 64。 每个过滤器将输出 1 个通道。即这里有 64 个过滤器对输入进行操作以产生 64 个不同的通道（或向量）。因此 filters 参数决定了输出通道的数量。

kernel_size

kernel_size决定卷积的大小window。假设 kernel_size = 1 那么每个内核的维度将是 in_channels x 1。因此每个内核权重将是in_channels x 1维张量。

激活 = relu

这意味着 relu 激活将应用于卷积运算的输出。

kernel_size = 1个卷积

用于通过应用 non-linearity 减少深度通道。它会在保持感受野的同时跨通道做一些类似加权平均的事情。

在你的例子中：filters = 64, kernel_size = 1, activation = relu 假设输入特征图的大小为 100 x 10（100 个通道）。那么层的权重将是维度 64 x 100 x 1。输出大小将为 64 x 10.