Quelqu'un peut-il m'expliquer ce qui se passe quand une couche Keras Conv1D est alimentée en entrée 2D? Tels que:Conv1D sur l'entrée 2D
model=Sequential()
model.add(Conv1D(input_shape=(9000,2),kernel_size=200,strides=1,filters=20))
la taille Varier d'entrée entre (9000,1) et (9000,2) et appeler model.summary(), je vois que la forme de sortie reste le même, mais le nombre de paramètres changements. Donc, cela signifie-t-il que différents filtres sont formés pour chaque canal, mais que la sortie est additionnée/moyennée sur la deuxième dimension avant de sortir? Ou quoi?
Donc, nous devrions penser que « 1D » ne se réfère pas à filtrer la forme, mais pour filtrer « mouvement »? – Kaare
Oui, en effet, c'est la dimension de la convolution, pas la taille du filtre –