Keras--常用层

GlobalAveragePooling1D

GlobalAveragePooling1D与GlobalMaxPooling1D类似，通常输入有两种shpe

• (batch_size, steps, features)
• (batch_size, features, steps)

steps是指句子的每个单词，features对应每个单词的维度，与图像处理中的channels相对应，所以源代码将第一种shape理解为channels_last，第二种shpe理解为channels_first。
既然是全局池化，两种shpe输出的shape相同(batch_size, features)。

之前一直对nlp中的通道不太理解，单词的维度即为通道。以池化为例，池化的操作对象不太可能为单词的表达维度，如果是对单词的表达维度池化，那么输出的维度只有句子长度maxlen，这个长度显然不足以表达我们提取的特征，而单词的表达维度通常高于句子长度，提取的特征也就更多，当然这里只是便于我们理解。