sheng的学习笔记-TCN时序卷积：因果卷积、空洞卷积

卷积知识需要先看：sheng的学习笔记-AI-卷积神经网络

时序模型需要先看： sheng的学习笔记-AI-序列模型

Ai目录：sheng的学习笔记-AI目录-优快云博客

在时序模型rnn中也可以使用卷积，此笔记记录这部分卷积内容

基础知识

什么是TCN 时序卷积 （temporal convolutional network）

TCN全称Temporal Convolutional Network，时序卷积网络，是在2018年提出的一个卷积模型，但是可以用来处理时间序列。

二维卷积 Conv2D

输入参数

卷积的输入参数：指需要做卷积的输入图像/音频等，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体图片的含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一

主要参数包括：

• filters：卷积核个数，也是输出通道数。Integer, the dimensionality of the output space (i.e. the number of output filters in the convolution).
• kernel_size: 卷积核大小，指定二维卷积窗口的高和宽，（如果kernel_size只有一个整数，代表宽和高相等）：An integer or tuple/list of 2 integers, specifying the height and width of the 2D convolution window. Can be a single integer to specify the same value for all spatial dimensions.
• strides: 卷积步长，指定卷积窗沿高和宽方向的每次移动步长，An integer or tuple/list of 2 integers, （如果strides只有一个整数，代表沿着宽和高方向的步长相等） specifying the strides of the convolution along the height and width. Can be a single integer to specify the same value for all spatial dimensions. Specifying any stride value != 1 is incompatible with specifying any dilation_rate value != 1.
• padding: 为valid或same中一种

一维卷积Conv1D

• 输入变为三维变量
• padding此时包括：same, valid 和causal。

示例代码

def cnn_model():
    from tensorflow import keras

    inputs = keras.Input(shape=(34, 1))
    net = keras.layers.Conv1D(filters=128, kernel_siz