多个Conv1D层：因'conv1d_2 / convolution / Conv2D从1中减去8而导致的负尺寸大小

Question

关于卷积网络，我还是一个新手。我正在尝试在Keras中实现多个Conv1D层。不幸的是，在第一层之后，任何随后的层都会引发以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimension size caused by subtracting 8 from 1 for 'conv1d_2/convolution/Conv2D' (op: 'Conv2D') with input shapes: [?,1,1,32], [1,8,32,32].

我本来以为这可能与步幅的减小有关，但是在为两条Conv1D行设置strides=1之后，它仍然不起作用。这是我的代码。如果for循环运行，则会引发错误。

#State branch
x = Conv1D(layerSize,8,strides=1)(inputState)
x = Activation("relu")(x)

for l in range(conv1Layer-1):
    x = Conv1D(layerSize,8,strides=1)(x)
    x = Activation("relu")(x)

x = MaxPooling1D(pool_size=1)(x)
x = Flatten()(x)
x = Model(inputs=inputState, outputs=x)

任何帮助或建议将不胜感激。谢谢！

Answer 1

如果您不希望在卷积之后更改长度，请考虑在padding='same'的构造函数中指定Conv1d。

有关更多信息，请参见docs。

Answer 2

第一层之后，kernel_size必须更改为1。

编辑：否则必须将填充设置为相同！谢谢。