我的卷积神经网络(CNN)实现是否符合最初的设计构想？

你的代码完全符合你描述的实现逻辑，具体说明如下：

• 你设置的2D卷积核尺寸为(5, 1)，只会在输入张量的第一个空间维度（对应你输入shape里长度为24的序列维度）进行滑动计算，完全匹配你要求的沿箭头方向施加滤波器的设计思路
• 输出张量的维度推导完全正确：默认使用valid无填充模式时，序列维度长度计算规则为「输入长度 - 卷积核长度 + 1」，代入数值后得到24-5+1=20；长度为6的特征维度因为卷积核第二维尺寸为1，计算后不会发生变化，输出通道数为你设置的64，和你代码注释里标注的输出shape完全一致

如果你的后续需求需要保留输入的序列维度长度（即输出序列维度仍为24），可以调整卷积层参数添加填充配置：

con_l1 = tf.keras.layers.Conv2D(64, (5, 1), activation="relu", padding="same")(input_layer)

内容的提问来源于stack exchange，提问作者Ahmad