应用错误收集

我已经发现使用CNN分析加速度计数据非常成功。这是CNN如何学习下楼用户加速度数据最重要特征的示例。

这是我如何完成此工作的整体图层设置（从上到下）的图片（2个Conv1D，最大池，2个Conv1D，平均池）

我的问题是，当我将LSTM放在此体系结构的末尾时，其平均激活非常奇怪，并产生如下所示的内容。

现在的体系结构是（2个Conv1D，最大池，2个Conv1D，1个LSTM，平均池），这就是LSTM解释最终的CNN签名的样子。为什么LSTM输出看起来不像原始形状？

我已经阅读了很多有关LSTM工作原理的信息，尤其是在这里：https://towardsdatascience.com/illustrated-guide-to-lstms-and-gru-s-a-step-by-step-explanation-44e9eb85bf21。但这并不能帮助我将LSTM概念化到可以想象Conv1D消除加速度计数据中最重要特征的噪声的水平。