【发布时间】：2019-03-05 20:17:33
【问题描述】：
有人能解释一下 Keras 中“因果”填充背后的直觉吗？有没有可以使用的特定应用程序？
keras 手册说这种类型的填充会导致空洞卷积。 “扩张”卷积到底是什么意思？
【问题讨论】：
标签： python keras conv-neural-network
【发布时间】：2019-03-05 20:17:33
【问题描述】：
这是关于什么是“因果”填充的非常简洁的解释：
Conv1D 允许我们指定的一件事是 padding="causal"。这只是在前面用零填充层的输入，以便我们还可以预测帧中早期时间步的值：
膨胀只是意味着跳过节点。不像 strides 告诉你下一步在哪里应用内核，dilation 告诉你如何传播你的内核。从某种意义上说，相当于上一层的一个stride。
在上图中，如果较低层的步幅为 2，我们将跳过 (2,3,4,5)，这将得到相同的结果。
图片来源：Kilian Batzner，Convolutions in Autoregressive Neural Networks
【讨论】：
即卷积类型，t时刻的输出只取决于前面的时间步长（小于t）。在获取 Conv 输出时，我们不会考虑未来的时间步长。请检查此 Wavenet 纸 gif enter image description here
【讨论】：