一维卷积神经网络跟二维卷积神经网络有什么不同

一维卷积神经网络和二维卷积神经网络的主要区别在于输入数据的维度不同。一维卷积神经网络用于处理一维序列数据，例如时间序列数据或文本数据，而二维卷积神经网络用于处理二维图像数据。

一维卷积神经网络的卷积核只在一个方向上移动，通常用于提取时间序列数据中的特征。而二维卷积神经网络的卷积核在两个方向上移动，可以提取图像数据中的空间特征。

下面是一个一维卷积神经网络的例子，用于对时间序列数据进行分类：

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

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(100, 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'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])