一维CNN是否需要填充以保留输入长度？

Question

步幅= 1和1滤波器的一维CNN是否不需要填充就可以使输出长度等于输入长度？

我以为是这种情况，但是创建了具有这些规范的Keras模型，说输入形状为（17910,1）时输出形状为（17902,1）。我想知道为什么尺寸减小了，因为步幅是1，是一维卷积。

model = keras.Sequential([
layers.Conv1D(filters=1,kernel_size=9,strides=1,activation=tf.nn.relu,input_shape=X_train[0].shape)
        ])

我希望该模型的输出形状应为（17910,1），但很显然，我在此转换中缺少缩小尺寸的来源。层。

Answer 1

输出向量的长度取决于输入的长度和内核大小。由于您的内核大小为9，因此您的输入将得到17902卷积，从而得到形状为（17902,1）（无填充）的输出。

为了更好的理解：

没有填充：

带填充：

是否应该使用填充更是准确性的问题。正如Ian Goodfellow，Yoshua Bengio和Aaaron Courville在其深度学习书中所发现的那样，最佳填充（至少对于2D图像）介于“无”和“相同”之间

因此，我的建议是，尝试使用两种具有相同架构（除了填充）的CNN，并选择精度更高的CNN。