小编Kaa*_*are的帖子

有人可以向我解释当keras Conv1D图层被输入2D输入时会发生什么？如:

model=Sequential()
model.add(Conv1D(input_shape=(9000,2),kernel_size=200,strides=1,filters=20))

改变(9000,1)和(9000,2)之间的输入大小并调用model.summary(),我看到输出形状保持不变,但参数的数量发生了变化.那么,这是否意味着为每个通道训练不同的滤波器,但输出在输出之前在第二维上求和/平均？或者是什么？

我试图在限制条件下找到一个优雅的算法来创建1和0的N×N矩阵:

• 每行和每列必须总和为Q(可自由选取)
• 对角线必须为0
• 矩阵必须是对称的.

矩阵不是严格必要的随机(随机和非随机解决方案都很有趣),因此对于Q均匀,只需使每一行成为矢量的循环移位

[0 1 1 0 ... 0 0 0 ... 0 1 1](Q = 4)

是一个有效的解决方案

但是,如何为Q奇做这个？或者如何为Q偶然做,但是以随机方式？

对于那些好奇的人,我试图在抽象网络上测试一些现象.

如果以前已经回答过这个问题我很抱歉,但我找不到任何问题都有对称限制,这似乎使它变得更加复杂.我没有证明这样的矩阵总是存在,但我确实这样认为.

我是一个总的mySQL新手,但我不知道如何寻找答案,所以这就是我把它带到这里的原因:

            DESCRIBE rParam;
            +----------------+---------------+------+-----+---------+-------+
            | Field          | Type          | Null | Key | Default | Extra |
            +----------------+---------------+------+-----+---------+-------+
            | p              | float         | YES  |     | NULL    |       |
            | d              | float         | YES  |     | NULL    |       |
            | LTP            | float         | YES  |     | NULL    |       |
            | LTD            | float         | YES  |     | NULL    |       |
            | alpha          | float         | YES  |     | NULL    |       |
            | N              | smallint(6)   | YES  | …