1. 卷积层
1.1. Convolution1D层
一维卷积层，用以在一维输入信号上进行邻域滤波。当使用该层作为首层时，需要提供关键字参数 input_dim 或 input_shape 。
keras.layers.convolutional.Convolution1D(nb_filter, filter_length, init='uniform', activation='linear', weights=None, border_mode='valid', subsample_length=1, W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True, input_dim=None, input_length=None)
nb_filter：卷积核的数目（即输出的维度）
filter_length：卷积核的空域或时域长度
init：初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的Theano函数。该参数仅在不传递 weights 参数时有意义。
activation：激活函数，为预定义的激活函数名，或逐元素（ element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数： a(x)=x）
weights：权值，为numpy array的list。该list应含有一个形如（ input_dim,output_dim）的权重矩阵和一个形如(output_dim,)的偏置向量。
border_mode：边界模式，为“valid”或“same”
subsample_length：输出对输入的下采样因子
W_regularizer：施加在权重上的正则项，为WeightRegularizer对象
b_regularizer：施加在偏置向量上的正则项，为WeightRegularizer对象
activity_regularizer：施加在输出上的正则项，为ActivityRegularizer对象
W_constraints：施加在权重上的约束项，为Constraints对象
b_constraints：施加在偏置上的约束项，为Constraints对象
bias：布尔值，是否包含偏置向量（即层对输入做线性变换还是仿射变换）
input_dim：整数，输入数据的维度。当该层作为网络的第一层时，必须指定该参数或 input_shape 参数。
input_length：当输入序列的长度固定时，该参数为输入序列的长度。当需要在该层后连接 Flatten 层，然后又要连接 Dense 层时，需要指定该参数，否则全连接的输出无法计算出来。
输入shape形如（ samples， steps， input_dim）的3D张量
输出shape形如（ samples， new_steps， nb_filter）的3D张量，因为有向量填充的原因， steps 的值会改变
# apply a convolution 1d of length 3 to a sequence with 10 timesteps,
# with 64 output filters
model = Sequential()
model.add(Convolution1D(64, 3, border_mode='same', input_shape=(10, 32)))
# now model.output_shape == (None, 10, 64)
# add a new conv1d on top
model.add(Convolution1D(32, 3, border_mode='same'))
# now model.output_shape == (None, 10, 32)
2. 池化层
2.1. MaxPooling1D层
对时域1D信号进行最大值池化
keras.layers.convolutional.MaxPooling1D(pool_length=2, stride=None, border_mode='valid')
pool_length：下采样因子，如取2则将输入下采样到一半长度
stride：整数或None，步长值
border_mode： ‘valid’或者‘same’注意，目前‘same’模式只能在TensorFlow作为后端时使用
输入shape形如（ samples， steps， features）的3D张量
输出shape形如（ samples， downsampled_steps， features）的3D张量
————————————————
版权声明：本文为CSDN博主「梵天的读书笔记」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/is_badboy/java/article/details/79746182