一维卷积神经网络_卷积神经网络的基础知识

---

一维卷积

一维卷积的输入是一个向量和一个卷积核，输出也是一个向量。

通常状况下，输入向量长度远大于卷积核的长度。

输出向量的长度取决于卷积操作的填充方案，等宽卷积的输出向量的和输入的向量长度相等。

卷积核的长度通常是奇数，这是为了对称设计的。

一个例子：

一维卷积示例

注意相乘的顺序是相反的，这是卷积的定义决定的。

输出长度是7，卷积核长度是3，输出的长度是7-3+1 = 5。

也就是说这里的卷积操作若输入长度是m，卷积核长度是n，则输出长度是m-n+1。

这样的卷积就叫窄卷积。

等宽卷积就是在输入两边各填充(n-1)/2，最终输出长度是m+(n-1)/2*2-n+1 = m。

填充元素可以是0，也可以和边缘一样，也可以是镜像。

如上图例子中的输入向量，

• 填充0后的输入为 012345670
• 重复边缘填充后为：112345677
• 镜像填充后为： 212345676

如下图，等宽卷积以及0填充，输入是1 2 3 4 5 6 7，输出是0