为什么我的 Keras TimeDistributed CNN + LSTM 模型期望形状不完整答案

【问题标题】：Why does my Keras TimeDistributed CNN + LSTM model expect an incomplete shape为什么我的 Keras TimeDistributed CNN + LSTM 模型期望形状不完整
【发布时间】：2021-10-25 04:09:22
【问题描述】：

我正在 Keras 中构建一个小型 CNN LSTM 模型，用于练习视频分类。我的数据的输入维度是（1、5、30、10、3）（批量大小、时间步长、宽度、高度、通道）。我发现 ConvLSTM2D 取得了一些成功，但我想使用 TimeDistributed 制作模型，因为我想比较 LSTM 与 GRU 的性能。

模型成功训练（尽管有一些非常奇怪的准确度），

https://i.imgur.com/5uAbPkR.png

但是当我将它保存到我的计算机并在维度数组（1、5、30、10、3）上调用 model.predict 时，我得到了这个错误：

ValueError: Input 0 is incompatible with layer sequential_12: expected shape=(None, None, 10, 30, 3), found shape=(1, 5, 30, 10, 3)

即使使用训练集中的图像也会发生这种情况，据说可以达到 100% 的准确率。

我对机器学习很陌生，所以很可能我忽略了一些简单的事情，但是在整天搜索 stackoverflow 和 Google 以寻找任何线索之后，我一无所获。

模型看起来像这样。

model = Sequential()
model.add(Input((5,10,30,3)))

model.add(TimeDistributed(Conv2D(filters=2,  
                                 kernel_size=(3,3), 
                                 padding='same', 
                                 activation='relu')))
model.add(TimeDistributed(Flatten()))

model.add(LSTM(4))

model.add(Dense(16, activation='sigmoid'))
model.add(Dense(2, activation='softmax'))

sgd = SGD(learning_rate=0.01)

model.compile(optimizer=sgd,
              loss='binary_crossentropy',
              metrics=['accuracy'])

预期的输入形状不应该与我在训练中使用的第一个输入层相同吗？

【问题讨论】：

标签： python tensorflow machine-learning keras recurrent-neural-network

【解决方案1】：

我比你还新手，可能会给出错误的建议。如果我理解正确，如果我是你，我会尝试

帧 = 帧 [无，...]

对于需要预测的内容。它曾经帮助过我。

如果我没有做类似的任务，我不会写这个。我对你的经历很感兴趣，我可以分享我的。你想讨论这个问题吗？

【讨论】：

成功了！虽然我不知道为什么？？？我最初使用numpy.reshape(1, 5, 30, 10, 3) 在我的输入帧上添加批处理维度。这适用于 ConvLSTM2D，所以我认为它也可以在这里工作。使用你的方法，我得到了与重塑完全相同的尺寸，但这次它起作用了……我很乐意分享更多关于我的经验。什么/哪里是这样做的最佳地点？
很高兴能帮到你。我也很高兴获得您通过这些联系人对视频进行分类的经验：“kykjiobod1@mail.ru”是我的电子邮件和 Skype 登录名，“kykji”是我的电报昵称）
我还有其他的联系方式可以沟通，如果以上对您不便。在这种情况下，只写适合你的地方