我对 Conv1D 产生的输出形状有点困惑。考虑我使用的代码如下（为清楚起见省略了很多）：
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、2 和 1 3 种不同的内核大小，其中产生的输出大小为：
(256, 2500, 12, 1), (256, 2500, 18, 1), (256, 2500, 24, 1)。
我感到困惑的是每滴内核大小之间的差异为 6。据我了解，内核大小为 3，12 应该是 21；而内核大小为 2 的 18 应该是 22，以适应具有指定内核大小的 24 的形状。
提前致谢。
最有可能的是，问题出在输入数据中。
这是一个玩具示例。
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])
最后一个维度是由于过滤器计数，它将成为下一层的特征