tf.nn.conv1d(或tf.compat.v1.nn.conv1d)函数

tf.nn.conv1d

也可用作tf.compat.v1.nn.conv1d

1.函数功能

根据给定的输入3-D 张量和滤波器(filter)张量，计算1D卷积

2.函数参数

tf.nn.conv1d(
    value=None,
    filters=None,
    stride=None,
    padding=None,
    use_cudnn_on_gpu=None,
    data_format=None,
    name=None,
    input=None,
    dilations=None
)

参数	含义
value	3维的输入张量，其维度是[batch, in_width, in_channels]（NWC格式） ,batch为样本维，表示多少个样本，in_width为宽度维，表示样本的宽度，in_channels维通道维，表示样本有多少个通道（如灰度单色是1，RGB图片是3）。 可看作一个平铺开的二维数组[batch, 行数, 列数]即把每一个样本看作一个平铺开的二维数组。value其类型必须是float16, float32, 或者 float64之一
filters	三维张量，类型与输入张量value一致，filters的格式为[filter_width, in_channels, out_channels]。按照value的第二种看法，filter_width可理解为每次与value进行卷积的行数，in_channels表示value一共有多少列（与value中的in_channels相对应）。out_channels表示输出通道，可理解为一共有多少个卷积核，也即卷积核的数目。
stride	filter在每个步骤中向右移动的步数，可以是一个int整数或者int列表(包含1个或3个int元素的int列表)。。
padding	边界的处理方式， ‘SAME’ 代表给边界加锁padding让卷积的输出和输入保持同样(SAME)的尺寸， 'VALID’表达给边界填充0
use_cudnn_on_gpu	是否使用cudnn加速，bool类型，默认True.
data_format	可以是"NWC"和"NCW"；默认为"NWC",数据按[batch,in_width,in_channels]的顺序存储；"NCW"格式将数据存储为[batch, in_channels, in_width]。
name	操作的名称(可选).
input	输入的别名.
dilations	输入的每个维度的膨胀因子，可以是一个int值或int的列表(长度是1或者3)，默认值是1。如果某维度的膨胀因子(k)大于1，则在该维度上，每个filter元素之间将有k-1个cell被跳过。在batch和depth维度上膨胀因子值必须为1。

注意：
如果data_format是“NWC”,则给定一个形状为[batch,in_width,in_channels]的输入张量,或者如果data_format是“NCW”,并且过滤器/内核张量的形状为[filter_width,in_channels,out_channels],则[batch,in_channels,in_width],此运算重新计算参数,将其传递给 conv2d 以执行等效卷积操作。

3.返回

Tensor,与输入具有相同的类型。

4.可能引发的异常

ValueError：如果data_format无效。