keras 中locallyConnected1D操作

最新推荐文章于 2023-09-24 19:30:04 发布

sdhk111

最新推荐文章于 2023-09-24 19:30:04 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏： keras函数分析

本文链接：https://blog.youkuaiyun.com/sdhk111/article/details/98698107

keras函数分析专栏收录该内容

1 篇文章

订阅专栏

本文深入解析了Keras中LocallyConnected1D层的工作原理，该层适用于一维局部连接网络，其输入和输出为三维张量。文章详细说明了输入输出的维度变化，以及如何通过filters和kernel_size参数来调整输出数据的维度和时间点个数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

keras.layers.LocallyConnected1D(filters, kernel_size, strides=1, padding='valid', data_format=None, 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)

输入: 3D 张量，尺寸为： (batch_size, steps, input_dim)
输出：3D 张量，尺寸为：(batch_size, new_steps, filters)

这里假定输入数据维度为（3，10）则解释为一个序列包括3个时间节点每个时间点是维度为10的特征。
输出的filters为输出的数据维度，由参数指定，new_steps为输出的时间点个数，这个个数由输入steps和kernel_size以及padding类型决定。
由于是locallyConnected操作，这里每个连接的权重值是不共用的。