理解1D卷积核
keras.layers.convolutional.Conv1D(filters, kernel_size, strides=1, padding='valid', dilation_rate=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
如果输入数据的input_shape = [10, 32],Conv1D(64, 3),则out_shape = [10, 64]。
1D的卷积核,等价于2D的卷积核(kernel_size, input_shape [1])
所以需要的参数量:(3*32+1)*64
作用:在相邻维度(一个timestamp包含一系列维度,如上面的32个维度)之间提取特征
-- 未完待续 --