tf.keras.layers.Conv1D 学习

原创 已于 2022-01-25 11:03:31 修改 · 3.1k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#keras #tensorflow #深度学习

于 2021-12-23 16:58:53 首次发布
本文详细解析了一维卷积层(Conv1D)的工作原理及其参数设置，包括filters和kernel_size的具体含义。通过实例说明了如何对输入数据进行卷积操作，并解释了输出数据形状的变化。 
tf.keras.layers.Conv1D(filters=3, kernel_size=2, activation='relu',use_bias=True)

其中，filters参数表示，将输入的每一个窗口数据经过几个过滤器输出，其中每一个过滤器表示一个映射方式，定义为g(x)；可以类似深度网络中每一层的维度数，原理如下图所示

kernel_size：卷积的窗口大小，由于是Cov1D，即1维卷积

一个完整句子的卷积处理过程如下：

 

所以当输入一个（batch_size,token_size,embedding_size）的数据时，通过对每一个句子的token卷积 输出为：（batch_size,token_size-kernel_size+1,filters）

举例，比如一个batch下的数据，卷积过程为：

滤波器在矩阵指定方向上滑动，对应位置相乘求和

卷积层尺寸形状变化
Jiashilin
09-26 1575
卷积层尺寸的计算原理 输入矩阵格式：四个维度，依次为：样本数、图像高度、图像宽度、图像通道数 输出矩阵格式：与输出矩阵的维度顺序和含义相同，但是后三个维度（图像高度、图像宽度、图像通道数）的尺寸发生变化。 权重矩阵（卷积核）格式：同样是四个维度，但维度的含义与上面两者都不同，为：卷积核高度、卷积核宽度、输入通道数、输出通道数（卷积核个数） 输入矩阵、权重矩阵、输出矩阵这三者之间的相互决定关...
tf.keras.layers.Conv1D和tf.keras.layers.Conv1DTranspose
Be busy living or busy dying
12-08 2977
tf.keras.layers.Conv1D( filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, groups=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regulari
tf.keras.layers.Conv?D函数
weixin_49346755的博客
04-19 6622
1、tf.keras.layers.Conv1D函数 函数原型 tf.keras.layers.Conv1D(filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, groups=1, activation=None, use_bias
tf.keras.layers.Conv1D 一维卷积 示例
weixin_44493841的博客
01-07 2223
tf.keras.layers.Conv1D 一维卷积 示例 import tensorflow as tf from tensorflow import keras import numpy as np a1 = np.arange(0, 50).reshape(10, 5,1) input_data = a1.astype(np.float32) print(input_data.shape) (10, 5, 1) output_data = keras.layers.Conv1D( 64
TF-tf.keras.layers.Conv1D
重剑无锋博客
07-06 1375
tf.keras.layers.Conv1D( filters, kernel_size, strides=1, padding=‘valid’, data_format=‘channels_last’, dilation_rate=1, groups=1, activation=None, use_bias=True, kernel_initializer=‘glorot_uniform’, bias_initializer=‘zeros’, kernel_regularizer=None, bias_r
Keras：Conv1D
热门推荐
VeritasCN的博客
05-10 2万+
keras.layers.Conv1D(filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializ...
对tensorflow中tf.nn.conv1d和layers.conv1d的区别详解
09-17
当然，随着TensorFlow版本的更新，新的API如`tf.keras.layers.Conv1D`（属于Keras API）也提供了更丰富的功能和更好的兼容性，使得模型构建更加容易和高效。 总结来说，`tf.nn.conv1d`和`layers.conv1d`都是执行一...
Keras 学习笔记（五）卷积层 Convolutional tf.keras.layers.conv2D tf.keras.layers.conv1D
种花家的奋斗兔的博客
11-25 3971
Conv1D keras.layers.Conv1D(filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, activation=None, use_bias=True, ...
tf.layers.conv1d
Major_S的博客
08-15 932
tf.layers.conv1dtf.layers.conv1dtf.layers.conv1d
Tensorflow2.0之 tf.keras.layers.Conv1D 做自然语言处理
weixin_43788143的博客
07-05 6488
tf.keras.layers.Conv1D( filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None,
关于keras.layers.Conv1D的kernel_size参数使用介绍
01-19
今天在用keras添加卷积层的时候，发现了kernel_size这个参数不知怎么理解，keras中文文档是这样描述的： kernel_size: 一个整数，或者单个整数表示的元组或列表， 指明 1D 卷积窗口的长度。 又经过多方查找，大体理解如下： 因为是添加一维卷积层Conv1D()，一维卷积一般会处理时序数据，所以，卷积核的宽度为1，而kernel_size就是卷积核的长度了，这样的意思就是这个卷积核是一个长方形的卷积核。 补充知识：tf.layers.conv1d函数解析（一维卷积） 一维卷积一般用于处理文本，所以输入一般是一段长文本，就是词的列表 函数定义如下： tf.layers.
tf.layers.conv1d()
weixin_43553925的博客
04-14 657
http://www.pianshen.com/article/476888342/
keras中的conv1d详解
最新发布
m0_54740856的博客
12-27 1599
keras中的1D CNN
tf.layers.conv1d函数介绍
qq_43309133的博客
09-26 1225
首先这个层的参数如下 tf.layers.conv1d( inputs, filters, kernel_size, strides=1, padding=‘valid’, data_format=‘channels_last’, dilation_rate=1, activation=None, use_bias=True, kernel_initializer=None, bias_initializer=tf.zeros_initializer(), kernel_regularizer=None,
Keras中的Conv1D
qq_36763031的博客
08-14 1万+
Conv1D keras.layers.Conv1D(filters, kernel_size, strides=1, padding='valid', data_format='channels_last', dilation_rate=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regulari
【tensorflow】tf.layers.conv1d函数解析（一维卷积）
电子生医小白的博客
04-19 9761
TensorFlow函数：tf.layers.Conv1D_w3cschool https://www.w3cschool.cn/tensorflow_python/tensorflow_python-283f2t0b.html 功能 1D卷积层(例如,时间卷积). 一维卷积一般用于处理文本数据，常用语自然语言处理中 定义: tf.layers.conv1d( inputs, filters, kernel_size, strides=1, padding='valid', data_format='.
详解Keras3.0 Layers API: Convolution layers（Conv1D、Conv2D、Conv3D）
lymake的博客
12-10 2773
【代码】详解Keras3.0 Layers API: Convolution layers（Conv1D、Conv2D、Conv3D）
tf.keras.layers.conv1d示例
09-06
当然！这是一个使用`tf.keras.layers.Conv1D`的简单示例： ```python import tensorflow as tf # 创建输入张量 input_shape = (10, 32) # 输入形状为 (batch_size, timesteps, input_dim) inputs = tf.keras.Input(shape=input_shape) # 应用 Conv1D 层 num_filters = 16 kernel_size = 3 conv1d = tf.keras.layers.Conv1D(filters=num_filters, kernel_size=kernel_size)(inputs) # 打印输出形状 print(conv1d.shape) ``` 在这个示例中，我们首先创建一个输入张量 `inputs`，其形状为 `(batch_size, timesteps, input_dim)`。然后，我们使用 `tf.keras.layers.Conv1D` 创建一个 Conv1D 层，指定了过滤器数量 `num_filters` 和卷积核大小 `kernel_size`。最后，我们将输入张量传递给 Conv1D 层，并打印出输出的形状。 希望这个示例能够帮助你理解如何使用 `tf.keras.layers.Conv1D`！如果有任何进一步的问题，请随时提问。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

会发paper的学渣

您的鼓励和将是我前进的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值