Neural network 三维输入前馈神经网络

我有一个3D输入数据集。尺寸为（24,80,42）。80个时间步或样本数。每个时间步有24个实体，每个实体由42个特征组成。如何将其作为普通前馈神经网络的输入？我已经得到了LSTM的结果

这就是我得到的错误。 我不知道如何重塑数据以作为输入

ValueError：检查输入时出错：预期密集_3_输入有3个维度，但得到了具有形状的数组（1920,42）

这是正确的吗

---

图层（类型）输出形状参数# 密集型_25（密集型）（无、80、24、42）1806

---

致密（致密）（无、80、24、42）1806

---

密集型（密集型）（无、80、24、24）1032 总参数：4644 可培训参数：4644 不可训练参数：0

---

---

用模型/数学语言，你如何看待网络工作？用模型/数学语言，你如何看待网络工作？

input_shape = (80,24,42)
network = models.Sequential()

# Add fully connected layer with a ReLU activation function
network.add(layers.Dense(units=42, activation='relu', 
input_shape=input_shape))

# Add fully connected layer with a ReLU activation function
network.add(layers.Dense(units=42, activation='relu'))

# Add fully connected layer with no activation function
network.add(layers.Dense(units=24))
network.summary()