是否可以在 Keras 中生成二维卷积层的一维 output？

Question

我正在尝试应用卷积神经网络来处理 2D 输入，这是一个 2X300 矩阵。 它基本上是一个有 2 行的矩阵，其中每行是 300 个位置的向量。

我想申请一个尺寸为 2X1（两行一列）的 kernel。 这个想法是将 kernel 应用于两个向量的每个 position i 。 直觉上，我认为这个卷积操作会生成一个大小为 1X300 的 output。 也就是说，我认为 output 将是一个 300 列的一维向量。 我对吗？

我想包括一个这样的卷积层：

layers.Conv2D(10, kernel_size=(2, 1), activation="relu",name="conv1")

那讲得通？ 这个层会生成一个300个位置的一维向量吗？

Answer 1

不，2D 卷积层的输入需要具有 3 个维度（通常是宽度、高度、通道）。 您正在寻找的是一维卷积层，它对一系列数据（通常是时间步长、通道）进行操作。 在您的情况下，通道是第一个维度，即每个步骤都考虑所有输入的维度，而您的第二个维度是步骤（在每个步骤上，卷积 kernel 被移动）。 这需要使用data_format关键字指定，因为'channels_last'将是 tensorflow/keras 的默认值。

model.add(Conv1D(1, kernel_size=(1,), data_format='channels_first', activation = 'relu', input_shape=(2, 300)))

这将为您提供形状(1,300)的 output 。 第一个参数是 output 通道的数量（在您的情况下为 1）。 kernel 大小为 1，因为您不考虑卷积其他步骤的样本，仅考虑两个通道（始终在所有通道上执行一维卷积）。 如果您选择更大的 kernel 大小，则可能需要padding='same'作为附加参数，以获得相同步数的 output。