今天在用keras添加卷積層的時候，發現了kernel_size這個參數不知怎么理解，keras中文文檔是這樣描述的：

kernel_size: 一個整數，或者單個整數表示的元組或列表， 指明 1D 卷積窗口的長度。

又經過多方查找，大體理解如下：

因為是添加一維卷積層Conv1D()，一維卷積一般會處理時序數據，所以，卷積核的寬度為1，而kernel_size就是卷積核的長度了，這樣的意思就是這個卷積核是一個長方形的卷積核。

補充知識：tf.layers.conv1d函數解析(一維卷積)

一維卷積一般用于處理文本，所以輸入一般是一段長文本，就是詞的列表

函數定義如下：

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

)

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(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：

以上這篇關于keras.layers.Conv1D的kernel_size參數使用介紹就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持我們。

本文標題: 關于keras.layers.Conv1D的kernel_size參數使用介紹

本文地址: http://www.cppcns.com/jiaoben/python/313960.html

總結

以上是生活随笔為你收集整理的python内核大小_关于keras.layers.Conv1D的kernel_size参数使用介绍的全部內容，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。