1维cnn python

1维 CNN（卷积神经网络）主要用于序列数据，比如文本、音频等。在 Python 中，可以使用 Keras 深度学习库来实现 1维 CNN。

下面是一个简单的例子，使用 Keras 来实现 1维 CNN：

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

# 定义模型
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(10, 1)))
model.add(Conv1D(filters=64, kernel_size=3, activation='relu'))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(100, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32)

# 评估模型
loss, accuracy = model.evaluate(X_test, y_test)
print('Accuracy: %.2f' % (accuracy*100))

在上面的代码中，我们首先导入了必要的库。然后，我们定义了一个 Sequential 模型，它包含了一些 1维 CNN 层、最大池化层、全连接层等。

接下来，我们编译模型并训练它。最后，我们评估模型并输出准确率。