1D CNN是否需要填充以保留输入长度？

Question

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

我认为情况确实如此，但是创建了一个具有这些规格的Keras模型，当输入形状为（17910,1）时输出形状为（17902,1）。我想知道为什么尺寸减小了，因为步幅为1并且它是1D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），但显然我错过了这个转换中尺寸减小的来源。层。

Answer 1

输出向量的长度取决于输入的长度和内核大小。由于你的内核大小为9，你的输入会得到17902个卷积，因此输出形状（17902,1）（没有填充）。

为了更好地理解：

没有填充：

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Deep Learning书中发现的那样，最佳填充（至少对于2D图像）位于“无”和“相同”之间

所以我的建议是尝试两种不同的CNN，除了填充之外，它们具有相同的架构，并采用具有更高精度的CNN。