Conv1d（in_channels、out_channels、kernel_size、ストライド= 1、パディング= 0、拡張= 1、基= 1、バイアス= TRUE）
- フィルタ：畳み込みカーネルの数（すなわち、出力の大きさ）
- kernel_size：整数または単一のリスト/タプルからなる整数、または空間ドメイン畳み込み窓長
- ストライド：整数または畳み込みステップのために、単一の整数からなるリスト/タプル。任意の進歩1がないわけではありません任意のdilation_rata 1は互換性がありません。
- パディング：「有効」としてポリシーアップ0、「同一」または「カジュアル」、「カジュアル」因果（膨張）畳み込み、すなわち、出力[t]は、入力[T + 1]に依存しません。便利なタイミング信号のためのモデリングは、イベントの順序に違反することができないとき。畳み込みの「有効」のみ有効な代表は、その境界のデータ処理ではありません。「同じ」境界での畳み込みの予約の結果を示し、通常の入力形状の同じ出力形状になります。
- 活性化：活性化関数、予め定義された活性化関数名、または要素毎Theano機能。この機能がなければ、（（X）= X即ち線形活性化関数を使用して）を、任意の活性化機能を使用しません
model.add（Conv1D（フィルタ= nn_params [ " input_filters " ]、 kernel_size = nn_params [ " filter_length " ]、 ストライド = 1 、 パディング = ' 有効' 、 活性化 = nn_params [ " 活性化" ]、 kernel_regularizer = L2（nn_params [ " REG " ]）））
例：入力ディメンション（なし、1000,4）
最初の寸法：なし
第二维度：OUTPUT_LENGTH = INT（（input_length - nn_params [ "filter_length"] + 1））
この場合：OUTPUT_LENGTH =（1,000 + 2 *パディング - フィルタ+1）/ストライド=（1,000 * 0 + 2 -32 +1）/ 1 = 969
三次元：フィルタ