TensorFlow函數：tf.layers.Conv1D_w3cschool https://www.w3cschool.cn/tensorflow_python/tensorflow_python-283f2t0b.html

功能
1D卷積層(例如,時間卷積).
一維卷積一般用于處理文本數據，常用語自然語言處理中
定義:

tf.layers.conv1d(inputs,filters,kernel_size,strides=1,padding='valid',data_format='channels_last',dilation_rate=1,activation=None,use_bias=True,kernel_initializer=None,bias_initializer=tf.zeros_initializer(),kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=None,bias_constraint=None,trainable=True,name=None,reuse=None )

參數：

• filters：整數,輸出空間的維數(即卷積中的濾波器數).
• kernel_size：單個整數的整數或元組/列表,指定1D卷積窗口的長度.
• strides：單個整數的整數或元組/列表,指定卷積的步幅.指定任何步幅(stride)值！=1與指定任何dilation_rate值都不相容！= 1.
• padding：一個"valid"或"same"(不區分大小寫).
• data_format：一個字符串,可以是channels_last(默認)或channels_first；輸入中維度的順序；channels_last對應于具有形狀(batch, length, channels)的輸入,而channels_first對應于具有形狀(batch, channels,length)的輸入.
• dilation_rate：單個整數的整數或元組/列表,指定用于擴張卷積的擴張率.目前,指定任何dilation_rate值！=1與指定任何strides值！= 1 不兼容.
• activation：激活功能,將其設置為“None”以保持線性激活.
• use_bias：Boolean,該層是否使用偏差.
• kernel_initializer：卷積內核的初始化程序.
• bias_initializer：偏置向量的初始化器,如果為None,將使用默認初始值設定項.
• kernel_regularizer：卷積內核的可選正則化器.
• bias_regularizer：偏置矢量的可選正則化器.
• activity_regularizer：輸出的可選正則化函數.
• kernel_constraint：由Optimizer更新后應用于內核的可選投影函數(例如,用于實現層權重的范數約束或值約束)；該函數必須將未投影的變量作為輸入,并且必須返回投影變量(必須具有相同的形狀)；在進行異步分布式培訓時,使用約束是不安全的.
• bias_constraint：由Optimizer更新后應用于偏差的可選投影函數.
• trainable：Boolean,如果為True,還將變量添加到圖集合
• GraphKeys.TRAINABLE_VARIABLES中(請參閱參考資料tf.Variable).
• name：字符串,圖層的名稱.

————————————————
版權聲明：下面例子為CSDN博主「生活不只*眼前的茍且」的原創文章，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/u011734144/article/details/84066928

比較重要的幾個參數是inputs, filters, kernel_size，下面分別說明：

inputs : 輸入tensor， 維度(None, a, b) 是一個三維的tensor

• None ： 一般是填充樣本的個數，batch_size
• a ： 句子中的詞數或者字數
• b : 字或者詞的向量維度

filters : 過濾器的個數

kernel_size : 卷積核的大小，卷積核其實應該是一個二維的，這里只需要指定一維，是因為卷積核的第二維與輸入的詞向量維度是一致的，因為對于句子而言，卷積的移動方向只能是沿著詞的方向，即只能在列維度移動

一個例子：

inputs = tf.placeholder(‘float’, shape=[None, 6, 8])
out = tf.layers.conv1d(inputs, 5, 3)

說明： 對于一個樣本而言，句子長度為6個字，字向量的維度為8

filters=5, kernel_size=3， 所以卷積核的維度為3* 8

那么輸入6 * 8經過3* 8的卷積核卷積后得到的是4*1的一個向量，其中(4=6-3+1)

又因為有5個過濾器，所以是得到5個4* 1的向量
畫圖如下：

總結

以上是生活随笔為你收集整理的【tensorflow】tf.layers.conv1d函数解析（一维卷积）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。