keras的Convolution1D参数简单整理

参考资料：
https://blog.csdn.net/momaojia/article/details/65641430

model = tf.keras.Sequential()
model.add(Convolution1D(nb_filter=64, filter_length=3, activation=‘relu’, padding=“same”, input_shape=(100, 20)))

Convolution1D的参数可以理解为
input_shape是输入维度，可以看出是一个100*20的矩阵，其中100可以是每个句子长度为100，20则是每个词向量长度的为20
64是参数nb_filter，就是卷积核数量，也就是输出的维度
3是filter_length，也就是每个过滤器的长度。
整个模型要做的，就是相当于对(100,20)的数据，用维度为(3, 20)的过滤器做2D卷积，输出向量的长度是64

再比如
model = tf.keras.Sequential()
model.add(Convolution1D(6, 2, activation=‘relu’, padding=“same”, input_shape=(10, 8)))
就是对(10, 8)的数据，用维度为(2, 8)的过滤器做2D卷积，输出的向量长度是6