Keras - 1D卷积它是如何工作的

Question

从这个例子： https://github.com/fchollet/keras/blob/master/examples/imdb_cnn.py

下面是这个片段。嵌入层为批量中的每个示例输出400 x 50矩阵。我的问题是1D卷积是如何工作的？它如何在400 x 50矩阵中工作？

# we start off with an efficient embedding layer which maps
# our vocab indices into embedding_dims dimensions
model.add(Embedding(max_features,
                    embedding_dims,
                    input_length=maxlen,
                    dropout=0.2))

# we add a Convolution1D, which will learn nb_filter
# word group filters of size filter_length:
model.add(Convolution1D(nb_filter=nb_filter,
                        filter_length=filter_length,
                        border_mode='valid',
                        activation='relu',
                        subsample_length=1))

Answer 1

在卷积神经网络（CNN）中，1D和2D滤波器实际上不是1维和2维。这是一个描述的惯例。

在您的示例中，每个1D滤镜实际上是Lx50滤镜，其中L是滤镜长度的参数。卷积仅在一个维度上执行。这可能就是它被称为1D的原因。因此，通过适当的填充，每个1D滤波器卷积提供400x1向量。 Convolution1D层最终将输出400 * nb_filter的矩阵。

Answer 2

从信号处理的背景出发，我还花了一些时间来理解它的概念，并且似乎社区中很多人都是这样。

Pyan给出了很好的解释。正如在许多论坛中经常用言语解释的那样，我制作了一些动画，希望对您有所帮助。

请参阅下面的输入张量，滤波器（或权重）和输出张量。您还可以看到输出张量的大小是所用滤镜数量（以不同颜色表示）的函数。

Visual Representation of the 1D Convolultion (Simplified)

请注意，要在输入和滤波器之间执行标量乘法，应该对滤波器进行转置。也有不同的实现方式（Karas，Tensorflow，Pytorch ...），但我认为该动画可以很好地表示正在发生的事情。

希望它可以帮助某人。