TensorFlow函数：tf.nn.conv1d

tf.nn.conv1d函数

tf.nn.conv1d(
    value,
    filters,
    stride,
    padding,
    use_cudnn_on_gpu=None,
    data_format=None,
    name=None
)

定义在：tensorflow/python/ops/nn_ops.py。

请参阅指南：神经网络>卷积运算

计算给定3-D输入和滤波器张量的1-D卷积。(不推荐使用的参数)

更新说明：NCHWfor data_format已弃用,请改用NCW

更新说明：NHWCfor data_format已弃用,请改用NWC

如果data_format是“NWC”,则给定一个形状为[batch,in_width,in_channels]的输入张量,或者如果data_format是“NCW”,并且过滤器/内核张量的形状为[filter_width,in_channels,out_channels],则[batch,in_channels,in_width],此运算重新计算参数,将其传递给 conv2d 以执行等效卷积操作。

在内部,这个操作重塑输入张量并调用tf.nn.conv2d。例如,如果data_format不以“NC”开头,则将形状为[batch,in_width,in_channels]的张量重新变为形状[batch,1,in_width,in_channels],并将滤波器的形状调整为[1,filter_width,in_channels,out_channels ]。然后将结果重新转换回[batch,out_width,out_channels](其中out_width是步幅和填充的函数,如conv2d中所示)并返回给调用方。

参数：

• value：在注释中，value的格式为：[batch, in_width, in_channels]，batch为样本维，表示多少个样本，in_width为宽度维，表示样本的宽度，in_channels维通道维，表示样本有多少个通道。
• filters：filters：在注释中，filters的格式为：[filter_width, in_channels, out_channels]。按照value的第二种看法，filter_width可以看作每次与value进行卷积的行数，in_channels表示value一共有多少列（与value中的in_channels相对应）。out_channels表示输出通道，可以理解为一共有多少个卷积核，即卷积核的数目。
• stride：一个整数，表示步长，每次（向下）移动的距离。
• padding：'SAME'或'VALID'
• use_cudnn_on_gpu：可选的bool,默认为True。
• data_format：一个可选的string,可以是"NWC"和"NCW"；默认为"NWC",数据按[batch,in_width,in_channels]的顺序存储；"NCW"格式将数据存储为[batch, in_channels, in_width]。
• name：操作的名称(可选)。

返回：

一Tensor,与输入具有相同的类型。

可能引发的异常：

• ValueError：如果data_format无效。