我最近在玩 TCN，但我不明白一件事。感受野与输入大小有何不同？
我认为感受野是TCN在预测过程中考虑的时间窗口，所以我猜输入大小应该等于它。
根据WaveNet 论文，我看不出应该是其他原因的原因。我将 TensorFlow 与这个自定义库一起使用。
请帮我理解。
在时间卷积网络中，感受野与输入大小有何不同？
人工智能
卷积神经网络
循环神经网络
时间序列
时间卷积网络
2021-11-16 18:52:09
1个回答
正如您在WaveNet 论文的图 2 中看到的，感受野为 5，但输入大小更大（16）。感受野定义了单个输出神经元可以看到的内容（见图 2 中的箭头）。
感受野也可能大于输入，例如，如果您想使用或者您只有最后 12 个时间步并使用以下结构（WaveNet 论文，图 3），它可以根据数量覆盖 2 的不同幂的层数。
如果您不仅要计算最后一个输出神经元，那么输入大小大于感受野是有意义的，因为使用前的输出也是较旧的输入（参见虚线）。
其它你可能感兴趣的问题