keras 实现 1维卷积 CNN

可以使用 Keras 中的 Conv1D 层来实现 1 维卷积 CNN。以下是一个简单的代码示例：

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

model = Sequential()
model.add(Conv1D(filters=32, kernel_size=3, activation='relu', input_shape=(100, 1)))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

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

这个模型包含一个 Conv1D 层，一个 MaxPooling1D 层和一个全连接层。输入数据的形状为 (100, 1)，其中 100 表示序列长度，1 表示每个时间步的特征数。Conv1D 层使用 32 个大小为 3 的卷积核，激活函数为 ReLU。MaxPooling1D 层使用大小为 2 的池化窗口。最后的全连接层使用 sigmoid 激活函数输出二分类结果。

可以使用 model.fit() 方法来训练这个模型。