对于文本分类和时间序列预测等简单任务，小型的一维卷积神经网络可以替代 RNN 结合卷积神经网络的速度和轻量与 RNN 的顺序敏感性 * [ ] 在 RNN 前面使用一维卷积神经网络作为预处理步骤 * 卷积神经网络可以将长的输入序列转换为高级特征组成的更短序列 * 提取的特征组成的这些序列成为网络中 RNN 的输入  ~~~ model.add(layers.Conv1D(32, 5, activation='relu', input_shape=(None, float_data.shape[-1]))) model.add(layers.MaxPooling1D(3)) model.add(layers.Conv1D(32, 5, activation='relu')) model.add(layers.GRU(32, dropout=0.1, recurrent_dropout=0.5)) model.add(layers.Dense(1)) ~~~