在这种情况下如何使用 conv2d

Question

我想创建一个神经网络层，这样：

• 对于大小为 100 的输入，假设每 5 个样本创建“块”
• 层应该为每个块计算 3 个值
• 所以这一层的输入/输出大小应该是：100 -> 20*3
• 每个大小为 5 的块（并且只有这个块）完全连接到大小为 3 的结果块

如果我理解正确，我可以使用 Conv2d 来解决这个问题。但我不确定如何正确选择 conv2d 参数。

Conv2d 适合这个任务吗？如果是这样，正确的参数是什么？是这样吗

• 输入通道 = 100
• 输出通道 = 20*3
• 内核 = (5,1) ?

Answer 1

您可以使用Conv2D 或Conv1D。 如果数据形状类似于 batch x 100 x n_features，您可以在此设置中使用 Conv1D：

Input channels:  n_features
Output channels: 3 * output_features
kernel:          5
strides:         5

因此，内核应用于 5 个样本并生成 3 个输出。 n_features 和 output_features 的值可以是您喜欢的任何值，也可以是 1。将步幅设置为 5 会产生非重叠卷积，以便每个块对一个输出做出唯一贡献。