layers.Conv1D 는 1차원 입력에 대해 합성곱 연산을 수행하는 레이어이다.
이 레이어는 주로 시계열 데이터나 텍스트 데이터와 같이 1차원 구조를 가진 데이터에 사용된다.
1. Conv1D 레이어의 주요 매개변수
- filters: 필터(또는 커널)의 수입니다. 이는 레이어가 학습할 특성의 수를 결정합니다. 각 필터는 입력 데이터의 다른 특성을 추출합니다.
- kernel_size: 한 번에 입력 데이터에 적용되는 필터의 크기입니다. 예를 들어, **kernel_size=3**이면, 한 번에 3개의 연속 데이터 포인트를 볼 수 있습니다.
- strides: 필터가 입력 데이터를 가로질러 이동하는 간격입니다. 예를 들어, **strides=2**는 필터가 한 번에 두 데이터 포인트를 건너뛴다는 것을 의미합니다.
- padding: 입력 데이터의 경계에 패딩을 추가할지 여부를 결정합니다. 'valid' (패딩 없음)와 'same' (출력 크기가 입력 크기와 동일하도록 패딩 추가) 중에서 선택할 수 있습니다.
- activation: 활성화 함수입니다. 비선형성을 도입하여 네트워크가 다양한 함수를 학습할 수 있게 합니다. 예를 들어 'relu', 'sigmoid', 'tanh' 등이 있습니다.
- use_bias: 레이어가 편향(bias) 벡터를 사용할지 여부를 결정합니다. 기본값은 True입니다.
- kernel_initializer: 필터의 초기 가중치를 설정하는 방식입니다.
- bias_initializer: 편향의 초기 가중치를 설정하는 방식입니다.
- kernel_regularizer: 필터 가중치에 적용할 정규화 기법입니다. 예를 들어 L1 또는 L2 정규화를 적용할 수 있습니다.
- bias_regularizer: 편향에 적용할 정규화 기법입니다.
- activity_regularizer: 레이어의 출력에 적용할 정규화 기법입니다.
- kernel_constraint: 필터 가중치에 적용할 제약 조건입니다.
- bias_constraint: 편향에 적용할 제약 조건입니다.
|
