是否可以在 Keras 中生成 2D 卷积层的 1D 维输出？

Question

我正在尝试应用卷积神经网络来处理 2D 输入，即 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。

我想应用一个大小为 2X1（两行一列）的内核。这个想法是将内核应用于两个向量的每个位置 i。直觉上，我认为这个卷积操作会产生大小为 1X300 的输出。也就是说，我认为输出将是一个具有 300 列的一维向量。我说的对吗？

我想包含一个这样的卷积层：

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

这有道理吗？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（在每个步骤上卷积核都被移动）。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)))

这将为您提供形状为(1,300) 的输出。第一个参数是输出通道的数量（在您的情况下为 1）。内核大小为 1，因为您不考虑来自其他卷积步骤的样本，只考虑两个通道（始终在所有通道上执行一维卷积）。 如果您选择更大的内核大小，则可能需要padding='same' 作为附加参数才能获得相同步数的输出。