Question

当前，我正在通过测试内核大小来调整模型。

我有以下code：

x = embedding_layer(input_4)                
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)            
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)       
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)       
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x) 
x = Dropout(DROPOUT)(x)            
x = Conv1D(FILTERS, KERNEL, activation='relu')(x) 
x = Dropout(DROPOUT)(x)            
x = MaxPooling1D(3)(x)

x = Conv1D(FILTERS, KERNEL, activation='relu')(x)
x = Dropout(DROPOUT)(x)            
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)       
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x)       
x = Dropout(DROPOUT)(x)
x = Conv1D(FILTERS, KERNEL, activation='relu')(x) 
x = Dropout(DROPOUT)(x)            
x = Conv1D(FILTERS, KERNEL, activation='relu')(x) 
x = Dropout(DROPOUT)(x)            
x = MaxPooling1D(3)(x)

当内核为2或3时，网络运行良好，但是从4开始，它会遇到关于维数的错误。我怀疑这与步幅有关。但是，Keras网站（https://keras.io/layers/convolutional/）并未说明默认跨步长度。

我现在的问题是：Keras的Conv1D中的默认步幅是多少？对于4的内核大小和5的内核大小，步幅应该是多少？

Answer 1

从Conv1D开始，默认步幅为1。除非您有其他长度的具体理由，否则步幅通常为1。

您得到的错误可能是因为一维卷积层的输出尺寸为：

output_dim = 1 + (input_dim - kernel_size)/stride

在堆叠几个1D卷积层之后，您可能会到达一个输入维数小于内核大小的层。发生这种情况是因为参数padding的默认值为'valid'，这意味着输入没有被填充。

相反，如果您想保留每个卷积层的输入维数，则设置padding='same'会导致对输入进行填充，以使输出的长度与原始输入的长度相同。

Keras的Conv1D中默认的步幅是多少？

1 个答案: