Keras，Conv1D：在summary（）上使用kernel_size打印/绘制信息或使用plot_model（）

Question

在keras中，我有一个涉及keras.layers.Conv1D的模型，并尝试绘制它。例如，这是一个简单的例子：

from keras.models import Sequential,Model
from keras.layers import Conv1D
from keras.utils import plot_model
from IPython.display import Image, display


seq_length = None
M=6
kernel_size = 3
filters=1

model = Sequential()
model.add(
    Conv1D(
        filters = filters, 
        kernel_size = kernel_size, 
        input_shape=(seq_length, M),#When using this layer as the first layer in a model, provide an input_shape argument 
    )        
)

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])
print 'Trainable params = ({}[filters])*((6[input_shape[1]])x({}[kernel_size]])+(1[bias])) = {}'.format(filters,kernel_size,M*kernel_size+1)
plot_model(model, to_file='model.png',show_shapes=True)
display(model.summary())
display(Image(filename='model.png'))

这给出了模型的摘要和图表： 此外，总参数被正确识别为：

(1[filters])*((6[input_shape[1]])x(3[kernel_size]])+(1[bias])) = 19

但是，有关kernel_size为3的信息无法显示在我的知识中......

问题：

1. 输入显示为：（无，无，6）...为什么不是例如（无，3,6）？...（这是一些错误，还是我错过了什么？）

2. 有没有办法在摘要或图片上显示kernel_size？

Answer 1

问题1：

• 输入形状为：(batchSize, sequenceLength, features)
• 输出形状为：(batchSize, newSequenceLength, layerFilters)

显示的形状不包含有关内核大小的信息。过滤器“沿序列”应用。通过序列逐步计算相同的过滤器。无论序列的大小如何，它都是相同的过程。

如果您使用newSequenceLength（默认值），则内核大小可能更改的唯一数字是padding='valid'。使用padding='valid'时，您将丢失序列的边框：

newSequenceLength = sequenceLength - (kernel_size - 1)   

如果序列长度为3，则使用这3个步骤计算内核一次。如果序列长度为4，则内核将计算两次。一次为前3个步骤，一次为最后3个步骤。如果长度为5，则内核将应用3次，每组3个步骤一次。等等...

如果您正在使用padding='same'，则输出长度将与输入长度相同（keras将以足够的步长填充输入，因此丢失边框后的输出与输入）

为什么None ？

keras中的None维度用于模型允许该维度具有任何大小的情况。对于此模型，您可以使用任何批量大小和任何序列长度。

问题2：

不是我知道的。但你总能检查：

for layer in model.layers:
    if hasattr(layer,'kernel_size'):
        print(layer.kernel_size)