stride = 1 和 1 个过滤器的 1D CNN 的输出长度不应该等于输入长度而不需要填充吗？
我认为是这种情况，但创建了一个具有这些规范的 Keras 模型，当输入形状为 (17910,1) 时，输出形状为 (17902,1)。我想知道为什么维度减少了，因为步幅为 1 并且它是一维卷积。
model = keras.Sequential([
layers.Conv1D(filters=1,kernel_size=9,strides=1,activation=tf.nn.relu,input_shape=X_train[0].shape)
])
我希望这个模型的输出形状应该是 (17910,1)，但显然我在这个转换中缺少维度减少的来源。层。
请您参考如下方法:
输出向量的长度取决于输入的长度和内核大小。由于您的内核大小为 9，因此您将获得 17902 次输入卷积，因此输出形状为 (17902,1)(无填充)。
为了更好的理解:
没有填充:
带填充:
是否应该使用填充更多是一个准确性问题。正如 Ian Goodfellow、Yoshua Bengio 和 Aaaron Courville 在他们的 Deep Learning找到书，最佳填充(至少对于 2D 图像)位于“无”和“相同”之间的某个位置
所以我的建议是，尝试两种不同的 CNN，它们除了填充外具有相同的架构，然后选择精度更高的 CNN。
