Conv1D和Conv2D的区别

layer = layers.Conv1D(input_shape=(66, 5),
                                   filters=100,
                                   kernel_size=10,
                                   padding="same",
                                   activation="relu",
                                   strides=1)

上述例子为例，实际上和二维卷积是一样的，只不过卷积核的第二个维度必须等于输入数据的第二个维度，所以只需要指定卷积核一个维度的size。

对于二维卷积，输入是(66, 5)，卷积核是(3,3)，那么就是这个卷积核在二维图上游走。

换成一维卷积，kernel_size=10，那么卷积核就是(10, 5)，这个隐藏的 5 来自于input_shape。

卷积核直接就把宽度占满了，所以只能往下走，只有一个维度，所以叫做Conv1D.