我渴望理解一个我找不到任何答案的问题：
在多变量时间序列上执行Conv1D时-内核是在所有维度上卷积还是在每个维度上卷积？内核的大小是[kernel_size x 1]还是[kernel_size x num_dims]？
事情是我将800 x 10的时间序列输入到Conv1D中（过滤器= 16，kernel_size = 6）而且我得到800 x 16的输出，而我希望得到800 x 16 x 10的输出，因为每个时间序列维都分别与过滤器卷积。
是什么情况？
编辑：讨论的玩具示例：
我们有3个输入通道，长800个时间步长。我们有一个6个时间步宽的内核，这意味着有效内核尺寸为[3,1,6]。
每个时间步长，每个通道中的6个时间步长与内核进行卷积。然后将所有内核元素相加。
如果这是正确的-如果使用[3 x 6]进行卷积运算的图像显然是二维的，则该卷积的一维是多少？
[将多个通道的“图像”卷积时，您将对所有通道求和，然后堆叠用于使用新的“图像”的过滤器（具有＃个过滤器）通道。有些人难以理解的是，过滤器本身实际上是（kernel_size x 1 x通道数）。换句话说，您的过滤器具有深度。
因此，假设您将其输入为具有10个通道的900 x 1“图像”，由于堆叠了16个滤镜，最终将获得800 x 1 x 16图像。当然，1对于conv1d并不是很重要，可以忽略，因此在这种情况下tl; dr 900 x 6-> 800 x 16。