keras官网https://keras.io/api/layers/
channel方向的计算规则？一维卷积核是一维还是二维？是二维，其中一维用户指定，另一维等于channel。二维卷积核是二维还是三维？是三维，其中两维用户指定，另一维等于channel。Conv1D
输入：3D 张量 ，维度为 (batch_size, steps, channels)。输出：3D 张量，维度为 (batch_size, new_steps, filters)。 由于填充或窗口按步长滑动，steps 值可能已更改。卷积核：2D张量，维度为（kernel_size，channels）。Conv2D
输入：4D 张量，维度为 (samples, rows, cols, channels)。输出：4D 张量，维度为 (samples, new_rows, new_cols, filters)。由于填充或窗口按步长滑动，rows和cols值可能已更改。卷积核：3D张量，维度为（kernel_size[0], kernel_size[1], channels）。MaxPooling1D
输入：3D张量，维度为(batch_size, steps, features)。输出：3D张量，维度为(batch_size, downsampled_steps, features)。时间步方向的长度缩短了。pool_size=2为单个整数。MaxPooling2D
输入：4D张量，维度为(batch_size, rows, cols, channels)。输出：4D张量，(batch_size, pooled_rows, pooled_cols, channels)。沿着图像行列方向的维度缩短。pool_size=(2, 2)为两个整数的元组。