對于文本分類和時間序列預測等簡單任務，小型的一維卷積神經網絡可以替代 RNN 結合卷積神經網絡的速度和輕量與 RNN 的順序敏感性 * [ ] 在 RNN 前面使用一維卷積神經網絡作為預處理步驟 * 卷積神經網絡可以將長的輸入序列轉換為高級特征組成的更短序列 * 提取的特征組成的這些序列成為網絡中 RNN 的輸入  ~~~ 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)) ~~~