Conv1D在Keras中的行为（张量尺寸）

Question

我的问题涉及Keras中Conv1D层中涉及的张量的尺寸。输入形状应该是（批，步，通道）。例如，我有加速度计数据，其中每个轴都有一个时间信号。我想对长度为50的时间窗口进行推断，因此一个推断样本的形状为（50，3）。

现在，如果我使用Conv1D层作为该数据的第一层，且kernel_size = 10且filter = 64，则一个数据窗口上的第一层的结果具有形状（41，64）。我完全理解会弹出41，这是由于长度为50的信号与长度为10的内核进行卷积而产生的样本数量。但是，我不确定这些数据中加速度计的三个轴在哪里。我会更期待以下行为：

input_shape =（批次，步骤，通道）， output_shape =（批处理，steps_after_conv，渠道，过滤器）

有人可以解释Keras的行为吗？我对文档不太了解。

Answer 1

如上图所示（图片提供：http://followtheart.info/kareff-Mon_15_14.html），在convolution中的CNN操作中，每个过滤器会在所有通道上进行卷积（如果是RGB图像）用于计算输出值。因此，在使用64个过滤器的情况下，每个过滤器将从其接收字段中的所有输入通道获取值。因此，无论您输入的通道数是多少，您的输出都会有来自64个过滤器的输出。

对于一批图像(batch_size, num_channels, height, width)，输出的形状为(batch_size, num_filters, height_after_conv, width_after_conv)。