我的神经网络的第一层如下:
model.add(Conv1D(filters=40,
kernel_size=25,
input_shape=x_train.shape[1:],
activation='relu',
kernel_regularizer=regularizers.l2(5e-6),
strides=1))
如果我的输入形状是
(600,10)
,则输出形状为
(None, 576, 40)
。如果我的输入形状是
(6000,1)
,则输出形状为
(None, 5976, 40)
。那么我的问题是,这里到底发生了什么?第一个例子只是忽略了输入的90%吗?
(None, 600, 40)
和(None, 6000, 40)
。我想知道的是其他9个数组在(600,10)
中会发生什么,换句话说,输出形状是否应该像(None, 576, 40, 10)
而不仅仅是(None, 576, 40)
。 - drulludannitf.nn.separable_conv2d
)。 - jdehesa