1D CNN 是否需要填充以保留输入长度？

Question

stride = 1 和 1 滤波器的 1D CNN 不应该输出长度等于输入长度而不需要填充吗？

我认为是这种情况，但使用这些规范创建了一个 Keras 模型，当输入形状为 (17910,1) 时，输出形状为 (17902,1)。我想知道为什么尺寸减少了，因为步幅是 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 conv 中缺少了一个减少维度的来源。层。

Answer 1

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 个输入卷积，因此输出形状为 (17902,1)（无填充）。为了更好地理解：没有填充：带填充：是否应该使用填充更多的是准确性问题。正如 Ian Goodfellow、Yoshua Bengio 和 Aaaron Courville 在他们的深度学习书中发现的那样，最佳填充（至少对于 2D 图像）介于“无”和“相同”之间所以我的建议是，尝试两种不同的 CNN，它们除了填充之外具有相同的架构，并采用准确度更高的一种。