我在尝试构建一个用于时间序列分类的Keras顺序模型时遇到了问题。我希望使用channels_first格式的数据，因为从预处理的角度来看这样更方便（尽管我只处理一个通道）。对于我使用的Convolution1D层，这种方法运作良好，因为我可以指定data_format='channels_first'，但不知为何这对MaxPooling1D不起作用，似乎它没有这个选项。

我想要构建的模型结构如下：

model = Sequential()
model.add(Convolution1D(filters=16, kernel_size=35, activation='relu', input_shape=(1, window_length), data_format='channels_first'))
model.add(MaxPooling1D(pool_size=5))
model.add(Convolution1D(filters=16, kernel_size=10, activation='relu', data_format='channels_first'))
[...] #这里有几个其他层

当window_length = 5000时，在添加了所有三个层之后，我得到了以下摘要：

_________________________________________________________________
Layer (type)                 Output Shape              Param #  
=================================================================
conv1d_1 (Conv1D)           (None, 32, 4966)          1152     
_________________________________________________________________
max_pooling1d_1 (MaxPooling1 (None, 4, 4966)           0        
_________________________________________________________________
conv1d_2 (Conv1D)           (None, 16, 4957)          656      
=================================================================
Total params: 1,808
Trainable params: 1,808
Non-trainable params: 0

现在，我怀疑这是否正确，因为我期望池化层减少的是第三维（即特征图中的神经元数量），而不是第二维（即滤波器的数量）？在我看来，MaxPooling1D并未识别channels_first的顺序，而尽管Keras文档提到MaxPooling2D存在一个关键字data_format，但MaxPooling1D却没有这样的关键字。

我用channels_last数据格式测试了整个设置，结果如我所期望的那样运作。但由于从channels_first转换到channels_last对我来说需要相当长的时间，我真的希望能用channels_first来工作。我感觉我只是错过了什么东西。

如果你需要更多信息，请告诉我。

回答：

更新：正如评论中@HSK提到的，data_format参数现在在MaxPooling层中得到支持，这是由于这个PR的结果。

另一种方法是使用Permute层（并删除第二个卷积层的channels_first）：

model = Sequential()
model.add(Convolution1D(filters=16, kernel_size=35, activation='relu', input_shape=(1, 100), data_format='channels_first'))
model.add(Permute((2, 1)))
model.add(MaxPooling1D(pool_size=5))
model.add(Convolution1D(filters=16, kernel_size=10, activation='relu'))
model.summary()

模型摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_7 (Conv1D)            (None, 16, 66)            576       
_________________________________________________________________
permute_1 (Permute)          (None, 66, 16)            0         
_________________________________________________________________
max_pooling1d_2 (MaxPooling1 (None, 13, 16)            0         
_________________________________________________________________
conv1d_8 (Conv1D)            (None, 4, 16)              2096      
=================================================================
Total params: 2,672
Trainable params: 2,672
Non-trainable params: 0
_________________________________________________________________