Keras ValueError：输入0与层conv_lst_m2d_16不兼容：

Question

我正在尝试将图像序列分为2类。每个序列有5帧。我已用作ConvLSTM2D第一层，但遇到了以上错误。该input_shape参数是input_shape = (timesteps, rows, columns, channels)。

我生成的数据具有以下格式：

self.data = np.random.random((self.number_of_samples, 

                                  self.timesteps,

                                  self.rows,

                                  self.columns,

                                  self.channels)) 

第一层的实现如下所示：

model = Sequential()

# time distributed is used - working frame by frame

model.add(ConvLSTM2D(filters=10,

                     input_shape=input_shape,

                     kernel_size=(3, 3),

                     activation='relu',

                     data_format="channels_last"))

谁能帮我这个忙吗？

Answer 1

有几种方法可以指定输入形状。从文档中：将input_shape参数传递给第一层。这是一个形状元组（整数或None条目的元组，其中None表示可能期望任何正整数）。在中input_shape，不包括批次尺寸。因此，正确的输入形状为：input_shape = (timesteps, rows, columns, channels)修复这个错误后，您会遇到下一个错误（这是不相关的input_shape）：ValueError：输入0与层conv_lst_m2d_2不兼容：预期ndim = 5，找到的ndim = 4当您尝试添加第二ConvLSTM2D层时，会发生此错误。发生这种情况是因为第一ConvLSTM2D层的输出是具有shape的4D张量(samples, output_row, output_col, filters)。您可能需要设置return_sequences=True，在这种情况下，输出是具有形状的5D张量(samples, time, output_row, output_col, filters)。修复此错误之后，您将在以下几行中遇到一个新错误：model.add(Flatten()) model.add(LSTM(10))在Flatten层之前紧接LSTM一层是没有意义的。这将永远无法使用，因为LSTM需要具有shape的3D输入张量(samples, time, input_dim)。总而言之，我强烈建议您仔细阅读Keras文档，尤其是有关LSTM和ConvLSTM2D层的文档。了解这些层如何有效利用它们也很重要。