写一个一维卷积神经网络展平层代码

在一维卷积神经网络（1D Convolutional Neural Network，简称1DCNN）中，展平层通常发生在卷积操作之后，将二维的数据结构转换成一层的全连接层输入。这个过程是为了将卷积层的输出展平为一维数组，以便后续的全连接层处理。

这里是一个简单的例子，使用Python和Keras库，假设我们已经有了一个经过卷积层处理后的张量`x`：

from keras.models import Sequential
from keras.layers import Conv1D, MaxPooling1D, Flatten

# 创建模型
model = Sequential()

# 添加卷积层
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(None, input_dim)))  # 假设input_dim是输入数据的维度
model.add(MaxPooling1D(pool_size=2))

# 卷积层后添加展平层
model.add(Flatten())  # 这会自动将卷积层的结果展开为一维数组

# 现在你可以添加全连接层或其他层了

在这个代码片段中，`Flatten()`函数负责展平操作。当你运行模型前向传播时，`x`的形状会被改变，从`(batch_size, timesteps, filters)`变为`(batch_size, total_timesteps * filters)`，其中`total_timesteps`是原始输入序列的长度除以池化窗口大小。