我在使用Keras和TensorFlow 2，并且有一个训练好的模型，其中包含对应于模型每一层的权重，但是一些Conv1D层的形状让我感到困惑。我设置卷积层有64个过滤器，每个过滤器的长度为16，但是我的权重向量的形状最后显示为(16,64,64)。能有人帮我解释一下吗？我猜想16是每个过滤器的长度，最后的64是我的过滤器数量，那么中间的64是什么意思呢？我是说，为什么是三维的？它应该是(16,64)或类似的形式。另外，指定每个过滤器在z轴上的长度不是很奇怪吗？（当然这是假设计算机科学中表示维度的方式是z,x,y而不是x,y,z）我得到的结果是这样的：

 name:conv1d/kernel:0 shape:(16,64,64) dtype:<dtype:'float32'> numpy=... 

提前感谢大家。

回答：

为了回答我自己的问题，第一个64对应于我们处理的数据的深度。例如，如果你想要对具有10个特征的数据应用5个过滤器，每个过滤器长度为32（换句话说，卷积层的输入深度为10），那么你的变量形状将是：(32,10,5)