有没有办法让python中的输入通道等于过滤器的维度？

Question

我的问题是我想让python中的输入通道数等于过滤器的维度

我已经尝试过重塑，但它给了我同样的错误..因为我是 python 新手，所以我不明白如何修复我的错误 我的模型是关于将 cnn 与 lstm 层相结合，我有 2892 个训练图像和 1896 个测试图像，每个图像总共 4788 个图像，大小为 128*128

这里是我尝试过的一些代码

cnn_model = Sequential()

cnn_model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(128,128,3)))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))

cnn_model.add(Conv2D(32, (3, 3), activation='relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))

cnn_model.add(Conv2D(64, (3, 3), activation='relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))

cnn_model.add(Conv2D(128, (3, 3), activation='relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
cnn_model.add(Flatten())

model = Sequential()
model.add(TimeDistributed(cnn_model, input_shape=(1,128, 128,3)))
model.add(LSTM(16, return_sequences=True, dropout=0.5))
model.add(Dense(1, activation='softmax'))
model.compile(optimizer='adadelta', loss='categorical_crossentropy', metrics=['accuracy'])

X_data = np.array(X_data)
X_datatest = np.array(X_datatest)
X_data= X_data.astype('float32') / 255.
X_datatest = X_datatest.astype('float32') / 255.


hist=model.fit(X_data, X_data,epochs=15,batch_size=128,verbose = 2,validation_data=(X_datatest, X_datatest))

在尝试之前的代码时出现以下错误

Traceback（最近一次调用最后一次）：文件 “C:\Users\bdyssm\Desktop\Master\LSTMCNN2.py”，第 219 行，在 hist=model.fit(X_data, X_data,epochs=15,batch_size=128,verbose = 2,validation_data=(X_datatest, X_datatest)) 文件 "C:\Users\bdyssm\AppData\Local\Programs\Python\Python35\lib\site-packages\keras\engine\training.py", 第 952 行，合适 batch_size=batch_size) 文件 "C:\Users\bdyssm\AppData\Local\Programs\Python\Python35\lib\site-packages\keras\engine\training.py", 第 751 行，在 _standardize_user_data exception_prefix='input') 文件 "C:\Users\bdyssm\AppData\Local\Programs\Python\Python35\lib\site-packages\keras\engine\training_utils.py", 第 128 行，在 standardize_input_data 中 'with shape' + str(data_shape)) ValueError：检查输入时出错：预期 time_distributed_1_input 有 5 个维度，但得到了 形状为 (2892, 28, 28, 3) 的数组

这是模型摘要

这是 cnn_model 总结

Answer 1

问题是您的 cnn_model 已将信号的形状更改为 128 个通道而不是 3 个颜色通道，但在声明 model 的输入形状时您没有考虑到这一点。

用cnn_model.summary() 检查cnn_model 的输出形状，并确保model 的输入形状等于cnn_model 的输出形状。