layer = layers.Conv1D(input_shape=(66, 5),
filters=100,
kernel_size=10,
padding="same",
activation="relu",
strides=1)
上述例子为例，实际上和二维卷积是一样的，只不过卷积核的第二个维度必须等于输入数据的第二个维度，所以只需要指定卷积核一个维度的size。
对于二维卷积，输入是(66, 5)，卷积核是(3,3)，那么就是这个卷积核在二维图上游走。
换成一维卷积，kernel_size=10，那么卷积核就是(10, 5)，这个隐藏的 5 来自于input_shape。
卷积核直接就把宽度占满了，所以只能往下走，只有一个维度，所以叫做Conv1D.
标签：10,区别,卷积,Conv1D,二维,维度,Conv2D,size From： https://www.cnblogs.com/wangbingbing/p/17903912.html