cnn卷积神经网络训练：卷积神经网络CNN之一维卷积

cnn卷积神经网络训练：卷积神经网络CNN之一维卷积一维卷积常用于序列模型，自然语言处理领域。应用范围：图1如果过滤器数量仍为1，输入数据的channel数量变为16，即输入数据维度为8×16。这里channel的概念相当于自然语言处理中的embedding，而该输入数据代表8个单词，其中每个单词的词向量维度大小为16。在这种情况下，过滤器的维度由5变为5×16，最终输出的数据维度仍为4，如果过滤器数量为n，那么输出的数据维度就变为4×n。

什么是一维卷积呢？

一维卷积的含义是在做卷积运算时 卷积核在输入矩阵上的移动方向只有一个维度 就是从上往下移动; 输入是一个二维的矩阵是没问题的 只要你的卷积核移动方向只有一个维度 那么这就是一维卷积(这意味着做一维卷积时 卷积核的宽度与输入矩阵的宽度是相等的 否则就需要左右移动卷积核了 就不是一维卷积了) 。

示例图：

如图1中的输入的数据维度为8，过滤器的维度为5。与二维卷积类似，卷积后输出的数据维度为8−5 1=4

图1

如果过滤器数量仍为1，输入数据的channel数量变为16，即输入数据维度为8×16。

这里channel的概念相当于自然语言处理中的embedding，而该输入数据代表8个单词，其中每个单词的词向量维度大小为16。在这种情况下，过滤器的维度由5变为5×16，最终输出的数据维度仍为4，如果过滤器数量为n，那么输出的数据维度就变为4×n。

应用范围：

一维卷积常用于序列模型，自然语言处理领域。