是否可以在 Keras 中生成二維卷積層的一維 output？

Question

我正在嘗試應用卷積神經網絡來處理 2D 輸入，這是一個 2X300 矩陣。 它基本上是一個有 2 行的矩陣，其中每行是 300 個位置的向量。

我想申請一個尺寸為 2X1（兩行一列）的 kernel。 這個想法是將 kernel 應用於兩個向量的每個 position i 。 直覺上，我認為這個卷積操作會生成一個大小為 1X300 的 output。 也就是說，我認為 output 將是一個 300 列的一維向量。 我對嗎？

我想包括一個這樣的卷積層：

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

那講得通？ 這個層會生成一個300個位置的一維向量嗎？

Answer 1

不，2D 卷積層的輸入需要具有 3 個維度（通常是寬度、高度、通道）。 您正在尋找的是一維卷積層，它對一系列數據（通常是時間步長、通道）進行操作。 在您的情況下，通道是第一個維度，即每個步驟都考慮所有輸入的維度，而您的第二個維度是步驟（在每個步驟上，卷積 kernel 被移動）。 這需要使用data_format關鍵字指定，因為'channels_last'將是 tensorflow/keras 的默認值。

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

這將為您提供形狀(1,300)的 output 。 第一個參數是 output 通道的數量（在您的情況下為 1）。 kernel 大小為 1，因為您不考慮卷積其他步驟的樣本，僅考慮兩個通道（始終在所有通道上執行一維卷積）。 如果您選擇更大的 kernel 大小，則可能需要padding='same'作為附加參數，以獲得相同步數的 output。