NLP神经网络之一维卷积的处理【Conv1D】和GLU层

作者：你好赵伟 | 2024-04-06 03:35:22

踩

glu层

之后，我们将这个embedding层连接到一个Conv1D。事实上，该层的主要思想与我们在图像分类任务中常用的Conv2D完全相同。Conv1D的不同之处在于它的过滤器沿着单个轴而不是两个轴移动。下面是另一张图，显示了一维卷积层的过滤器（以蓝色突出显示）如何跨步。此外，我将针对这种情况使用 32 种不同的过滤器（尽管这可能有点矫枉过正）。

卷积核或滤波器
k：卷积核的大小，即窗口的大小，表示每次处理多少个时间步的数据。在这个例子中，k是5，表示每次处理5个时间步的数据。
s：卷积核的步长，即滑动窗口的步长，表示每次跳过多少个时间步。
d：卷积核的深度，即输出特征向量的维度，表示每个时间步有多少个特征。在这个例子中，d是4，表示每个时间步有4个特征。

【看不懂的可以看链接里面的卷积动画：Convolutional Models for Text】

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/369520