Python 将CNN的输出传递给BILSTM

我正在做一个项目，在这个项目中，我必须将CNN的输出传递给双向LSTM。我创建了如下的模型，但它抛出了“不兼容”错误。请让我知道我哪里出了问题，以及如何解决这个问题

    model = Sequential()
    model.add(Conv2D(filters = 16, kernel_size = 3,input_shape = (32,32,1)))
    model.add(BatchNormalization())
    model.add(MaxPooling2D(pool_size=(2,2),strides=1, padding='valid'))
    model.add(Activation('relu'))
    
    model.add(Conv2D(filters = 32, kernel_size=3))
    model.add(BatchNormalization())
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Activation('relu'))
    
    model.add(Dropout(0.25))
    model.add(Conv2D(filters = 48, kernel_size=3))
    model.add(BatchNormalization())
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Activation('relu'))
    
    model.add(Dropout(0.25))
    model.add(Conv2D(filters = 64, kernel_size=3))
    model.add(BatchNormalization())
    model.add(Activation('relu'))
    
    model.add(Dropout(0.25))
    model.add(Conv2D(filters = 80, kernel_size=3))
    model.add(BatchNormalization())
    model.add(Activation('relu'))
    
    model.add(Bidirectional(LSTM(150, return_sequences=True)))
    model.add(Dropout(0.3))
    model.add(Bidirectional(LSTM(96)))
    model.add(Dense(total_words/2, activation='relu', kernel_regularizer=regularizers.l2(0.01)))
    model.add(Dense(total_words, activation='softmax'))
    
    model.summary()

返回的错误为：

    ValueError                                Traceback (most recent call last)
    <ipython-input-24-261befed7006> in <module>()
         27 model.add(Activation('relu'))
         28 
    ---> 29 model.add(Bidirectional(LSTM(150, return_sequences=True)))
         30 model.add(Dropout(0.3))
         31 model.add(Bidirectional(LSTM(96)))
    
    5 frames
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/input_spec.py in assert_input_compatibility(input_spec, inputs, layer_name)
        178                          'expected ndim=' + str(spec.ndim) + ', found ndim=' +
        179                          str(ndim) + '. Full shape received: ' +
    --> 180                          str(x.shape.as_list()))
        181     if spec.max_ndim is not None:
        182       ndim = x.shape.ndims
    
    ValueError: Input 0 of layer bidirectional is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, 1, 1, 80]

ValueError回溯（最近一次调用上次）
在（）
27型号。添加（激活（'relu'））
28
--->29模型添加（双向（LSTM（150，返回序列=True）））
30型号。添加（辍学（0.3））
31型号。添加（双向（LSTM（96）））
5帧
/断言输入兼容性（输入规范、输入、层名称）中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/input\u spec.py
178“预期ndim=”+str（spec.ndim）+”，发现ndim=”+
179 str（ndim）+'。收到完整表格：'+
-->180 str（x.shape.as_list（））
181如果spec.max\u ndim不是无：
182 ndim=x.shape.ndims
ValueError:层的输入0与层不兼容：预期ndim=3，发现ndim=4。收到完整形状：[无，1，1，80]

Conv2D

具有二维输入/输出，但LSTM采用一维输入。这就是为什么它需要3个维度（批次、序列、Hid），但找到4个维度（批次、X、Y、Hid）。解决方案是，例如，在CNN之后和LSTM之前使用

展平层，将输出投影到一维序列。
问题是传递到
LSTM
的数据，可以在网络内部解决。
LSTM
需要3D数据，而
Conv2D
产生4D数据。您可以采用两种可能性：

1）进行重塑
（批量大小，H，W*通道）

2）进行重塑
（批量大小，W，H*通道）

通过这些方式，可以在LSTM中使用3D数据。下面是一个例子

def ReshapeLayer(x):
    
    shape = x.shape
    
    # 1 possibility: H,W*channel
    reshape = Reshape((shape[1],shape[2]*shape[3]))(x)
    
    # 2 possibility: W,H*channel
    # transpose = Permute((2,1,3))(x)
    # reshape = Reshape((shape[1],shape[2]*shape[3]))(transpose)
    
    return reshape

model = Sequential()
model.add(Conv2D(filters = 16, kernel_size = 3, input_shape = (32,32,3)))
model.add(Lambda(ReshapeLayer))  # <============
model.add(LSTM(16))
model.add(Dense(units=2, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam',)
model.summary()

def重塑层（x）：
shape=x.shape
#1种可能性：H、W*通道
重塑=重塑（形状[1]，形状[2]*形状[3]）（x）
#2种可能性：W、H*通道
#转置=置换（（2,1,3））（x）
#重塑=重塑（（形状[1]，形状[2]*形状[3]）（转置）
返回整形
模型=顺序（）
add（Conv2D（过滤器=16，内核大小=3，输入形状=（32,32,3）））
model.add（Lambda（重塑层））#感谢您的关注。添加展平将使输出为二维。所以我仍然遇到不兼容的问题。错误消息-“双向层的输入0与层不兼容：预期ndim=3，发现ndim=2。接收到完整形状：[无，80]”。有什么想法吗？