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。