Keras读书笔记----卷积层、池化层

1. 卷积层

1.1. Convolution1D层

一维卷积层，用以在一维输入信号上进行邻域滤波。当使用该层作为首层时，需要提供关键字参数 input_dim 或 input_shape 。

keras.layers.convolutional.Convolution1D(nb_filter, filter_length, init='uniform', activation='linear', weights=None, border_mode='valid', subsample_length=1, W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True, input_dim=None, input_length=None)

• nb_filter：卷积核的数目（即输出的维度）
• filter_length：卷积核的空域或时域长度
• init：初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的Theano函数。该参数仅在不传递 weights 参数时有意义。
• activation：激活函数，为预定义的激活函数名，或逐元素（ element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数： a(x)=x）
• weights：权值，为numpy array的list。该list应含有一个形如（ input_dim,output_dim）的权重矩阵和一个形如(output_dim,)的偏置向量。
• border_mode：边界模式，为“valid”或“same”
• subsample_length：输出对输入的下采样因子
• W_regularizer：施加在权重上的正则项，为WeightRegularizer对象
• b_regularizer：施加在偏置向量上的正则项，为WeightRegularizer对象
• activity_regularizer：施加在输出上的正则项，为ActivityRegularizer对象
• W_constraints：施加在权重上的约束项，为Constraints对象
• b_constraints：施加在偏置上的约束项，为Constraints对象
• bias：布尔值，是否包含偏置向量（即层对输入做线性变换还是仿射变换）
• input_dim：整数，输入数据的维度。当该层作为网络的第一层时，必须指定该参数或 input_shape 参数。
• input_length：当输入序列的长度固定时，该参数为输入序列的长度。当需要在该层后连接 Flatten 层，然后又要连接 Dense 层时，需要指定该参数，否则全连接的输出无法计算出来。

输入shape形如（ samples， steps， input_dim）的3D张量
输出shape形如（ samples， new_steps， nb_filter）的3D张量，因为有