1D卷积层是否支持可变序列长度？

Question

我使用Keras将一系列经过处理的音频文件用作CNN的输入。 Keras 1D卷积层是否支持可变序列长度？ Keras文档对此不清楚。

https://keras.io/layers/convolutional/

在文档的顶部，它提到您可以使用（无，128）128维向量的可变长度序列。然而在底部它声明输入形状必须是

3D tensor with shape: (batch_size, steps, input_dim)

鉴于以下示例，我应该如何将可变长度的序列输入网络

假设我有两个例子（a和b）包含长度为100的X 1维向量，我想将其作为输入提供给1DConv层

a.shape = (100, 100)
b.shape = (200, 100)

我可以使用（2，无，100）的输入形状吗？我是否需要将这些张量连接到c

c.shape = (300, 100)

然后重塑它成为某种东西

c_reshape.shape = (3, 100, 100)

其中3是批量大小，100是步数，第二个100是输入大小？关于输入向量的文档不是很清楚。

Answer 1

Keras在定义模型时通过在相应维度中使用None来支持可变长度。

请注意，input_shape通常指的是没有批量大小的形状。

因此，形状(batch_size, steps, input_dim)的3D张量非常适合input_shape=(steps, input_dim)的模型。

要使此模型接受变量长度，只需在步骤维度中使用None：

input_shape=(None, input_dim)

现在，关于变量长度存在 numpy 限制。您无法创建具有适合可变长度的形状的numpy数组。

有两种解决方案可供选择：

• 使用虚拟值填充序列，直到它们都达到相同的大小，这样您就可以将它们放入形状为(batch_size, length, input_dim)的numpy数组中。使用Masking图层来忽略虚拟值。
• 使用单独的numpy数组(1, length, input_dim)进行训练，每个数组都有自己的长度。