喀拉斯因果关系填充

Question

有人可以解释Keras中“因果”填充背后的直觉。有没有可以使用它的特定应用程序？

keras手册说这种填充会导致卷积膨胀。 “膨胀”卷积到底意味着什么？

Answer 1

这是关于什么是“因果”填充的简洁明了的解释：

  

Conv1D确实允许我们指定的一件事是padding =“ causal”。这只是在图层的输入前面加上零，以便我们还可以预测帧中早期时间步长的值：

膨胀仅意味着跳过节点。不同于大步告诉您下一步应在何处应用内核，扩张可以告诉您如何扩展内核。从某种意义上说，它等效于上一步的跨越。

在上图中，如果下层的步幅为2，我们将跳过（2,3,4,5），这将给我们相同的结果。

信用：Kilian Batzner，Convolutions in Autoregressive Neural Networks

Answer 2

这是卷积类型，在时间t的输出仅取决于先前的时间步长（小于t）。获取转化输出时，我们不会考虑未来的时间步长。请检查此Wavenet纸张gif enter image description here