Keras中Conv1D和Conv2D有何具体应用场景差异？

本文共计1366个文字，预计阅读时间需要6分钟。

如有错误，请欢迎指正。

我的答案是：在Conv2D输入通道为1的情况下，两者是没有区别的，或者说可以说是可以互相转换的。首先，两者都是指代输入通道的数量；其次，两者都可以根据实际情况进行转换。首先，二者的调用代码都是后端代码（以TensorFlow为例，在tensorflo中）。

如有错误，欢迎斧正。

我的答案是，在Conv2D输入通道为1的情况下，二者是没有区别或者说是可以相互转化的。首先，二者调用的最后的代码都是后端代码（以TensorFlow为例，在tensorflow_backend.py里面可以找到）：

x = tf.nn.convolution( input=x, filter=kernel, dilation_rate=(dilation_rate,), strides=(strides,), padding=padding, data_format=tf_data_format)

区别在于input和filter传递的参数不同，input不必说，filter=kernel是什么呢？

我们进入Conv1D和Conv2D的源代码看一下。他们的代码位于layers/convolutional.py里面，二者继承的都是基类_Conv(Layer)。