Python 如何在Tensorflow中使用3d卷积？

我不知道如何在tf中使用conv3d：

我想要一个

[depth，height，widt]=[3,3,3]

的内核大小，它将我的输入张量作为

形状[1,21,1,6,7]

进行卷积，并且应该有一个[1,19,4,5]=[batch，channels，height，width]的输出

形状

import tensorflow as tf
import numpy as np
input = tf.placeholder(tf.float32, [1,21,4,5])
input_pad = tf.pad(input, [[0,0], [0,0], [1,1], [1,1]], 'CONSTANT')
x = tf.expand_dims(input_pad, axis=2) #[1,21,1,6,7]
print ("(batch, channels, depth, height, width) ", x)

t_conv1_act = tf.layers.conv3d(
    # inputs=x, filters=19, kernel_size=[1,3,3], #depth,height,width
    inputs=x, filters=21, kernel_size=[3,3,3], # todo does not work
    padding='valid', data_format='channels_first',
)
with tf.Session() as sess: 
    init_op = tf.global_variables_initializer()
    init_l = tf.local_variables_initializer()
    sess.run(init_op)
    sess.run(init_l)

    tmp = np.ones((1,21,4,5))
    output = sess.run(t_conv1_act, feed_dict={input: tmp})
    print "y: ", output, output.shape


但我得到了这个错误：

ValueError: Negative dimension size caused by subtracting 3 from 1 for 'conv3d/Conv3D' (op: 'Conv3D') with input shapes: [1,21,1,6,7], [3,3,3,21,19].

我不确定参数
深度
和
过滤器
，我想我弄混了一些东西
 我怀疑错误在
expand\u dims
中，因为它给出了
[1,21,1,6,7]
，但您实际需要
[1,1,21,6,7]
（即在批处理轴之后添加一个通道轴）
我怀疑错误在
expand\u dims
中，因为它给出了
[1,21,1,6,7]
，但您实际需要
[1,1,21,6,7]
（即，在批处理轴之后添加一个通道轴）是的，我想你是对的！@BlackBear你可以写一个答案，这样我就可以关闭它了。