Keras 如何在Conv2D层之后添加CONVLSM2D层？_Keras_Deep Learning_Conv Neural Network_Recurrent Neural Network

Keras 如何在Conv2D层之后添加CONVLSM2D层？

keras deep-learning

Keras 如何在Conv2D层之后添加CONVLSM2D层？,keras,deep-learning,conv-neural-network,recurrent-neural-network,Keras,Deep Learning,Conv Neural Network,Recurrent Neural Network,我正在制作一个自动编码器，用于单目图像的深度估计。第一层是卷积层，第二层是卷积LSTM层。如何在Conv2D层之后添加ConvLSTM2D层这是我尝试过的代码，但它给出了一个错误自动编码器=顺序 autoencoder.addConv2D64,3,3，步幅=2，输入_形状=640480,3，激活='linear' autoencoder.addLeakyReLUalpha=0.1 autoencoder.addConvLSTM2D256，3,3，步幅=2，输入\形状=无，32，返回\序列=真

我正在制作一个自动编码器，用于单目图像的深度估计。第一层是卷积层，第二层是卷积LSTM层。如何在Conv2D层之后添加ConvLSTM2D层

这是我尝试过的代码，但它给出了一个错误

自动编码器=顺序 autoencoder.addConv2D64,3,3，步幅=2，输入_形状=640480,3，激活='linear' autoencoder.addLeakyReLUalpha=0.1 autoencoder.addConvLSTM2D256，3,3，步幅=2，输入\形状=无，32，返回\序列=真我得到以下错误

ValueError:输入0与层conv_gr_u2d_1不兼容：应为 ndim=5，发现ndim=4

Conv2D的输入形状应为：

input_shape = (batch_size, img_wd, img_hg, channels)

例如：

您不必在ConvGRU2D中添加输入形状参数，您可能误解了ConvLSTM2D的好处。它是为这样一种场景而设计的：您拥有一系列数据，其中每个数据点都是一幅图片。因此，电影将是一个典型的用例

因此，无论您向其中输入什么，都必须具有形状批次大小、时间步长、行、列、通道。另一方面，Conv2D具有批大小、行、列、特征的输出形状。这就是错误告诉你的

从技术上讲，您可以在它们之间添加一层并生成您想要的任何形状，但我不认为这在您的场景中有任何意义

反之亦然，先使用ConvLSTM2D，然后使用Conv2D会更有意义。但是你需要像电影一样的输入数据。如果我没弄错的话，你就没有这个

input_shape = (None, 640, 480, 3)