tensorflow中的1维卷积--conv1d用法

Posted 2023-03-20

参考技术A 这个函数区别于2D上卷积，是在1D上进行卷积，具体原理是一样的，不过卷积核变成了3维tensor，由输入chennals和fitersize以及输出channals组成，inputs也是3维tensor，因为第一个维度是batch_size。下面是我自己写的一个具体例子：

输入，卷积核和输出见图：

这里卷积核是全1的3维矩阵。

过程和结果见下图：

tensorflow实现1维卷积

官方参考文档：https://www.tensorflow.org/api_docs/python/tf/nn/conv1d

参考网页：

http://www.riptutorial.com/tensorflow/example/19385/basic-example

http://www.riptutorial.com/tensorflow/example/30750/math-behind-1d-convolution-with-advanced-examples-in-tf

tensorflow从版本r0.11起，开始支持1维卷积操作:tf.nn.conv1d.

input的维度设置：[batch_size, 每个input的元素个数, input的通道数]

卷积核(filter)的维度设置: [卷积核长度, input的通道数，输出通道数]

最简单的1维卷积法：使用tf的conv1d函数，设置padding=0,stride=1，举例说明：

input = [1, 0, 2, 3, 0, 1, 1] and kernel = [2, 1, 3] the result of the convolution is [8, 11, 7, 9, 4],

which is calculated in the following way:

• 8 = 1 * 2 + 0 * 1 + 2 * 3
• 11 = 0 * 2 + 2 * 1 + 3 * 3
• 7 = 2 * 2 + 3 * 1 + 0 * 3
• 9 = 3 * 2 + 0 * 1 + 1 * 3
• 4 = 0 * 2 + 1 * 1 + 1 * 3

tensorflow支持2种扩展模式(padding)，第一种是‘VALID‘，第二种是‘SAME‘

‘VALID‘方式表示不进行扩展; ‘SAME‘表示添加0；比如，对input进行‘SAME‘的扩展时,得到的是：input = [0, 1, 0, 2, 3, 0, 1, 1, 0], 卷积后的output= [1, 8, 11, 7, 9, 4, 3]

设置卷积核每一次滑动2次：

res = tf.squeeze(tf.nn.conv1d(data, kernel, 2, ‘SAME‘))
with tf.Session() as sess:
    print sess.run(res)