理解Conv1D输出形状

Question

我对Conv1D产生的输出形状有点困惑。考虑我使用的代码如下(为了清晰起见，省略了很多代码)：

input_shape = x_train_2trans.shape
# (7425, 24, 1)

model.add(Conv1D(filters=4, input_shape=input_shape[1:], kernel_size=(3), activation=LeakyReLU))
model.add(Dropout(0.2))
model.add(Dense(1))

我尝试了3种不同的内核大小(3、2和1 )，其中产生的输出大小为：

(256,2500，12，1)，(256,2500，18，1)，(256,2500，24，1)。

我感到困惑的是，内核大小的每一滴都有6的差异。据我理解，对于内核大小为3的，12应该是21；而对于内核大小为2的18应该是22，这样才能适应具有指定内核大小的24的形状。

提前谢谢。

Answer 1

最有可能的是，问题在于输入数据。

这是一个玩具的例子。

import numpy as np
from tensorflow.keras import layers

input = np.ones((100,24,1))
input_shape = input.shape

layer = layers.Conv1D(filters=4, input_shape=input_shape[1:], kernel_size=(2))# Kernel=2
out = layer(input)
out.shape

layer = layers.Conv1D(filters=4, input_shape=input_shape[1:], kernel_size=(4))# Kernel=4
out = layer(input)
out.shape

输出- TensorShape(100、23、4) TensorShape(100、21、4)