Tensorflow 2.2，Lambda 层中的 tf.nn.conv1d

Question

我想在 Lambda 层中执行卷积，但我无法让它以任何方式工作。

    kernel = [1.0,2.0,1.0]  # weighted moving average
    x = [   # history_size=5, num_features=10
      [1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0],
      [2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0],
      [3.0,3.0,3.0,3.0,3.0,3.0,3.0,3.0,3.0,3.0],
      [4.0,4.0,4.0,4.0,4.0,4.0,4.0,4.0,4.0,4.0],
      [5.0,5.0,5.0,5.0,5.0,5.0,5.0,5.0,5.0,5.0],
    ]
    k = tf.constant(kernel, dtype=tf.float32)
    y = tf.nn.conv1d(x, k, stride=1, padding='SAME')

我意识到在上面的例子中尺寸不正确，但这是我数据的实际格式。 训练样本的形状为(history_size, num_features)并且内核必须沿着 history_size 分别对每个特征进行卷积。 任何帮助，将不胜感激。 我找不到有关如何手动执行 tf.nn.conv1d 的示例。

Answer 1

您可以numpy.convolve()使用numpy.convolve() 。

import numpy as np

kernel = [1.0,2.0,1.0]  # weighted moving average
x = [   # history_size=5, num_features=10
  [1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0],
  [2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0],
  [3.0,3.0,3.0,3.0,3.0,3.0,3.0,3.0,3.0,3.0],
  [4.0,4.0,4.0,4.0,4.0,4.0,4.0,4.0,4.0,4.0],
  [5.0,5.0,5.0,5.0,5.0,5.0,5.0,5.0,5.0,5.0],
]

output = []
for i in range(len(x)):
    output.append(list(np.convolve(x[i], kernel, mode = 'same')))
output

'''
[[3.0, 4.0, 4.0, 4.0, 4.0, 4.0, 4.0, 4.0, 4.0, 3.0],
 [6.0, 8.0, 8.0, 8.0, 8.0, 8.0, 8.0, 8.0, 8.0, 6.0],
 [9.0, 12.0, 12.0, 12.0, 12.0, 12.0, 12.0, 12.0, 12.0, 9.0],
 [12.0, 16.0, 16.0, 16.0, 16.0, 16.0, 16.0, 16.0, 16.0, 12.0],
 [15.0, 20.0, 20.0, 20.0, 20.0, 20.0, 20.0, 20.0, 20.0, 15.0]]
'''

您可以尝试根据文档更改最适合您的mode 。