tf.nn.conv1d需要哪些维度？之后如何进行最大池化操作？

回答：

一个简单的示例代码片段：

               filter = tf.zeros([3, 16, 16])                W = tf.Variable(tf.truncated_normal(filter, stddev=0.1), name="W")                b = tf.Variable(tf.constant(0.1, shape=[num_filters]), name="b")                conv = tf.nn.conv1d(                    input_values,                    W,                    strides=2,                    padding="VALID",                    name="conv")                # 非线性操作                h = tf.nn.relu(tf.nn.bias_add(conv, b), name="relu")                # 对输出进行最大池化                pooled = tf.nn.max_pool(                    h,                    ksize=[1, sequence_length - filter_size + 1, 1, 1],                    strides=[1, 1, 1, 1],                    padding='VALID',                    name="pool")                pooled_outputs.append(pooled)

也可以查看这个答案。