CNN解惑记录 1d卷积 channel数 卷积后非线性变换

1.CNN教程上讲解的例子一般都是图像，所以卷积也是2d的，但实际应用中我看到数据挖掘问题用的是conv1d，1d卷积，确实1d卷积就行了，没必要强行排成2d的，1d卷积就是忽略高度，高度是1，然后用一个1*N的卷积核去席卷原始输入
2.在CNN的课程讲解中，对于多channel的情况，告诉filter的size是n，那么filter必然是n*n*channel数，如果是1d卷积，height都是1，所以是1*n*channel数，l层的channel数只和l-1层的filter个数有关
3.卷积后要加一个bias，神经网络里面叫偏差，我的理解是常数项（这里可以去了解一下，为什么叫这个名字），然后必有一个非线性变换，我看到基本上都是用relu，relu函数可以表达成max(x,0)