TF-tf.keras.layers.Conv1D

tf.keras.layers.Conv1D(
filters, kernel_size, strides=1, padding=‘valid’,
data_format=‘channels_last’,
dilation_rate=1, groups=1, activation=None, use_bias=True,
kernel_initializer=‘glorot_uniform’, bias_initializer=‘zeros’,
kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
kernel_constraint=None, bias_constraint=None, **kwargs
)
一维卷积层(例如时间卷积)
作用:
该层创建一个卷积核,该卷积核与该层输入在单个空间(或时间)维度上进行卷积,以生成输出张量。
如果use_bias为True,则会创建一个偏差矢量并将其添加到输出中。
最后,如果activation=None,则它也将应用于输出。
当将此层用作模型的第一层时,请提供一个input_shape参数(整数元组或None),
例如对于10个向量的128维向量的序列,为(10,128),对于可变长度,则为(None,128)

参数:
filters:输出空间的维数(即卷积中输出过滤器的数量)
kernel_size:指定一维卷积窗口的长度,即卷积核的大小
strides:指定卷积的步长
padding:One of “valid”, “causal” or “same”
data_format:one of channels_last (default) or channels_first.
dilation_rate:指定用于扩张卷积的扩张率
groups:一个正整数,指定输入沿通道轴划分的组数。
每个组分别与过滤器/过滤器组卷积。
输出是沿着通道轴的所有组结果的串联。
输入通道和过滤器都必须被组整除。
activation:激活函数
use_bias=True:层是否使用偏置向量
kernel_initializer:内核权重矩阵的初始化
bias_initializer:偏置向量初始化
kernel_regularizer:是否将正则化函数应用于内核权重矩阵
bias_regularizer:是否将正则化函数应用于偏置向量
activity_regularizer:Regularizer函数应用于层的输出
kernel_constraint:约束函数应用于核矩阵
bias_constraint:约束函数应用于偏执向量

你可能感兴趣的:(tensorflow)