我在Keras中使用了一个Conv1D层，卷积核大小为3，步长为1。当我尝试处理输入大小为5时会出现以下错误，但在输入大小为6时一切正常。

InvalidArgumentError (see above for traceback): Computed output size would be negative:-1 [input_size: 0, effective_filter_size: 3, stride: 1]

我原以为大小为3的卷积核至少需要大小为3的输入。

编辑：这是模型，输入大小是可变的，我的问题出现在输入大小为5时。

model = Sequential()model.add(Conv1D(    input_shape=(None, 4),    filters=64,    kernel_size=3,    activation='relu'))model.add(Conv1D(    filters=32,    kernel_size=3,    activation='relu'))model.add(Conv1D(    filters=16,    kernel_size=2,    activation='relu'))model.add(GlobalMaxPooling1D())model.add(Dense(number_of_classes))model.add(Softmax(axis=-1))model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

回答：

为了确保输出特征图的大小与输入特征图相同，您需要使用’same’填充来填充输入。

model.add(Conv1D(    input_shape=(None, 4),    filters=64,    kernel_size=3,    activation='relu',    padding='same'))