我有一个 $15$-我想使用卷积的通道时间序列 $1$dCNN ($1\times n$时间步内核）。现在，假设我想拥有，作为我的第一层，$16$过滤器。在我看来，这意味着输出的深度为$16 \times 15 = 240$，因为每个过滤器都将独立应用于每个通道。但是，当我在 keras 中实现此功能时，（使用 Sequential）摘要中的过滤器尺寸并未反映这一点。这是一个代码片段：

TIME_RANGE = 31
NUMBER_OF_CHANNELS = 15

model = Sequential()
model.add(Conv1D(input_shape = (TIME_RANGE, NUMBER_OF_CHANNELS),
                    filters=16,
                    kernel_size=7,
                    padding='valid',
                    data_format='channels_last'))
model.add(ReLU())
model.add(BatchNormalization())

model.add(Conv1D(   filters=32,
                    kernel_size=5,
                    padding='valid'))

这是相应的摘要输出：

Layer (type)                 Output Shape              Param #

==================================================== ================

conv1d_1 (Conv1D)            (None, 25, 16)            1696

re_lu_1 (ReLU)               (None, 25, 16)            0

batch_normalization_1 (Batch (None, 25, 16)            64

conv1d_2 (Conv1D)            (None, 21, 32)            2592

如您所见，由于无填充参数，输出沿时间轴的形状按预期减小，从$31$到$25$到$21$，但深度只反映了过滤器的数量——那么我所有的频道都去了哪里？在架构的这一点上，我期待深度$15\times 16\times 32 = 7680$. 似乎是隐含的$1\times 1$卷积发生在某处，我认为我实际上并不想要——我想做我的$1\times 1$稍后在网络中进行卷积。那么我在这里错过了什么？