Python 如何将RNN与CNN结合？

我正试图将LSTM与CNN结合起来，但由于一个错误，我被卡住了。 以下是我试图实现的模型：

model=Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(28, 28,3), activation='relu'))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(32, activation='relu'))
model.add(LSTM(128, return_sequences=True,input_shape=(1,32), activation='relu'))
model.add(LSTM(256))
model.add(Dropout(0.25))
model.add(Dense(37))
model.compile(loss='categorical_crossentropy', optimizer='adam')

错误发生在第一个LSTM层：

ERROR: Input 0 is incompatible with layer lstm_12: expected ndim=3, found ndim=2

---

LSTM层的输入应该是一个表示序列或时间序列的3D数组（这就是错误试图说的：

expected ndim=3

）。但是，在您的模型中，LSTM层的输入（实际上是它之前密集层的输出）是一个2D数组（即

发现ndim=2

）。要使其成为形状

（n_个样本、n_个时间步、n_个功能）

，一种解决方案是使用

RepeatVector

层重复它，重复次数与时间步数相同（需要在代码中指定）：

---

LSTM层的输入应该是一个表示序列或时间序列的3D数组（这就是错误试图说的：

expected ndim=3

）。但是，在您的模型中，LSTM层的输入（实际上是它之前密集层的输出）是一个2D数组（即

发现ndim=2

）。要使其成为形状

（n_个样本、n_个时间步、n_个功能）

，一种解决方案是使用

RepeatVector

层重复它，重复次数与时间步数相同（需要在代码中指定）：

---

检查这个：为了给你一个真正好的答案，我们需要从你的数据中理解“你想成为什么序列”。你在处理图像吗？你想要一个序列像一部有很多图像的电影吗？还是要将列作为序列，或将行。。。。或者可能不是图像，数据意味着其他东西？检查这个：为了给你一个真正好的答案，我们需要从你的数据中理解“你想成为什么序列”。你在处理图像吗？你想要一个序列像一部有很多图像的电影吗？还是要将列作为序列，或将行。。。。或者可能不是图像，数据意味着其他什么？@arian如果答案解决了您的问题，请单击答案旁边的复选标记将其标记为“已回答”来接受它-参见@arian如果答案解决了您的问题，请单击答案旁边的复选标记将其标记为“已回答”来接受它-参见

model.add(Dense(32, activation='relu'))
model.add(RepeatVector(n_timesteps))
model.add(LSTM(128, return_sequences=True, input_shape=(n_timesteps,32), activation='relu'))