各层输出的形状应该是怎样的

以下是模型中各层的输出形状： - 输入层：`(None, 时间步长, 特征数)`，其中`None`表示样本数可以是任意值。 - 第一个卷积层：`(None, 时间步长 - 卷积核大小 + 1, 卷积核数量)`。卷积核数量由`filters`参数指定。 - 第一个池化层：`(None, (时间步长 - 卷积核大小 + 1) // 池化大小, 卷积核数量)`。池化大小由`pool_size`参数指定。 - 第二个卷积层：`(None, (时间步长 - 卷积核大小 + 1) // 池化大小 - 卷积核大小 + 2, 卷积核数量)`。 - 第二个池化层：`(None, ((时间步长 - 卷积核大小 + 1) // 池化大小 - 卷积核大小 + 2) // 池化大小, 卷积核数量)`。 - 多头注意力层：`(None, 卷积核数量 * 注意力头数)`。注意力头数由`attention_heads`参数指定。 - 高速公路网络：`(None, 卷积核数量 * 注意力头数)`。 - 输出层：`(None, 输出特征数)`，其中输出特征数由`output_dim`参数指定。 请注意，这里的`None`表示样本数可以是任意值，因为在定义模型时，我们使用了`input_shape=(None, input_dim)`来指定输入层的形状。在实际训练时，样本数会根据输入数据的批次大小而确定。