1.畳み込み層
1.1。Convolution1D層
一次元畳み込み層、一次元で入力信号をフィルタリング近傍を実行します。層は一階、キーワードまたはパラメータinput_dim input_shapeを提供する必要として使用する場合。
keras.layers.convolutional.Convolution1D（nb_filter、filter_length、INIT = '均一'、活性化= 'リニア'、重み=なし、border_mode = '有効'、subsample_length = 1、W_regularizer =なし、b_regularizer =なし、activity_regularizer =なし、 =なしW_constraint、b_constraint =なし、BIAS =真、input_dim =なし、input_length =なし）
nb_filter：コンボリューションカーネルの数（すなわち、出力の大きさ）
FILTER_LENGTH：のコンボリューションカーネル空間的または時間的な長さ
INIT：初期化方法、など事前定義された初期化文字列メソッド名、または再初期化関数Theano重量のために。パラメータは重みを渡されていない場合、このパラメータは関連しています。
活性化：活性化関数、予め定義された関数名の活性化、またはTheano機能の要素（要素ごと）によって素子。指定されない場合、関数は、任意の活性物質を使用しない（すなわち、線形活性化関数を使用して：A（X）= X）
の重み：リストのnumpyのアレイの重み。リストは、（input_dim、output_dim）重み行列の形のバイアスベクトル（output_dim）としてフォームを含むべきです。
border_mode：境界モード、「有効」または「同じ」に
subsample_length：出力ダウンサンプリング係数入力
W_regularizer：WeightRegularizerの重量に正則化項を適用することは、オブジェクト
b_regularizerを：WeightRegularizerオブジェクトのバイアスベクトルに正則化項を適用すること
activity_regularizer：ActivityRegularizerの出力に正則化項を適用するオブジェクト
W_constraintsを：制約の重量に制約用語を適用するオブジェクト
b_constraintsを：制約オブジェクトのオフセットに制約項を印加
バイアス：ブール値、オフセットベクトルを含んでいます（形質転換またはアフィン変換線形即ち、入力層）
input_dim：整数、入力データの寸法。第一層としてのネットワーク層は、指定されたパラメータまたはパラメータinput_shapeしなければならない場合。
input_length：ときに、入力シーケンスの固定長、入力シーケンス長パラメーター。その後、層の後に平坦化層を接続し、する必要が再びそうでない場合は、全出力の接続は計算できない緻密層、それを指定する必要が、接続しているとき。
フォームの形状を入力し（サンプル、ステップ、input_dim）3Dテンソル
ため理由ベクトルの形の出力形状（サンプル、new_steps、nb_filter）3次元テンソルは、ステップの値が変更され、充填された
＃は、長さの畳み込み1Dを適用します10へとシーケンスA。タイムステップの3、
出力フィルタと＃64
モデル=シーケンシャル（）
model.add（Convolution1D（64、3、border_mode = '同じ'、input_shape =（10、32）））
＃今== model.output_shape（なし、10、64）
位に新しいconv1dを追加しますトップ
model.add（Convolution1D（32、3、border_mode = '同じ'））
＃今model.output_shape ==（なし、10、32）
2.プーリング層
2.1。MaxPooling1D層
最大時間領域信号1Dのをプール
keras.layers.convolutional.MaxPooling1Dを（pool_length = 2、ストライド=なし、border_mode = '有効'）
pool_length：それの半分の長さでサンプリングされた入力に2を取るように、因子をダウンサンプリング
整数またはなし、ステップ値：ストライド
現在「同じ」モードのみTensorFlowバックエンドことを「有効」または「同一の」注：border_modeを使用
3Dシートの量の形態（サンプル、手順、機能）の入力形状を
フォームの出力形状（サンプル、downsampled_steps、特徴）の3Dシートで
----------------
著作権：オリジナル品ですCSDNブロガー、「研究ノート梵天」、次CC 4.0 BY-SAの著作権契約、元のソースのリンクと、この文を添付してください、再現。
オリジナルリンクします。https：//blog.csdn.net/is_badboy/java/article/details/79746182