有人可以解释 Keras 中“因果”填充背后的直觉吗？是否有任何特定的应用程序可以使用它？
keras 手册说这种类型的填充会导致膨胀卷积。 “扩张”卷积到底是什么意思？
最佳答案
这是关于什么是“因果”填充的一个非常简洁的解释:
One thing that Conv1D does allow us to specify is padding="causal". This simply pads the layer's input with zeros in the front so that we can also predict the values of early time steps in the frame:
扩张只是意味着跳过节点。与 strides 告诉你接下来在哪里应用内核不同，dilation 告诉你如何传播你的内核。从某种意义上说，它相当于在上一层迈出了一大步。
在上图中，如果下层的步幅为 2，我们将跳过 (2,3,4,5)，这会给我们相同的结果。
来源:Kilian Batzner，Convolutions in Autoregressive Neural Networks
关于python - keras中的因果填充，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52578950/