Keras 1D,2D,3D卷积

kears 1D,2D,3D都是卷积操作。他们处理的都是input tensor前几个维度的信息。

其中1D主要用于NLP中的N_gram，2D和3D卷积用于图像。其中2D卷积处理的是一张图像，3D卷积处理的就是多张图像。3D卷积考虑时间维度的信息。

官方给出的1D卷积的例子，处理输入第一个维度的信息。

# apply a convolution 1d of length 3 to a sequence with 10 timesteps,# with 64 output filtersmodel = Sequential()model.add(Convolution1D(64, 3, border_mode='same', input_shape=(10, 32)))# now model.output_shape == (None, 10, 64)# add a new conv1d on topmodel.add(Convolution1D(32, 3, border_mode='same'))# now model.output_shape == (None, 10, 32)

Keras2D卷积就是熟悉的图像卷积操作

kears3D卷积请参考传送门