Python Keras中的图像序列处理ConvLSTM与LSTM体系结构

我需要训练一个基于序列的10x10图像分割。以下是我要使用的lstm和CONVLSM模型：

def lstmModel():
    # Model definition
    model = Sequential()
    model.add(LSTM(50, batch_input_shape=(1, None, inp.shape[1]*inp.shape[2]), return_sequences=True, stateful=True))
    model.add(Dense(out.shape[1]*out.shape[2], activation='softmax'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    model.summary()
    return model


def convlstmModel():
    # Model definition
    model = Sequential()
    model.add(ConvLSTM2D(12, kernel_size=5, padding = "same", batch_input_shape=(1, None, inp.shape[1], inp.shape[2], 1), return_sequences=True, stateful=True))
    model.add(Conv2D(20, 3, padding='same', activation='softmax'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    model.summary()
    return model

我训练了10个随机10x10图像序列的模型。LSTM模型对我来说似乎很好，但CONVLSM模型显示Conv2D层的尺寸不匹配：

ValueError: Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=5

---

非常感谢您的帮助。谢谢

错误消息暗示您的输入数据将以5维而不是4维的形式进入conv2d层。该模型应接收如下形状的输入：

(samples, time, rows, cols, channels)

---

假设您使用的是最后一个后端通道（tensorflow）。然后，通过conv2d层逐个发送

（时间、行、列、通道）

的每个片段。但是，错误消息暗示传递的维度是5，而不是预期的4。验证输入数据的形状，如有必要，可以修改答案。

LSTM

层用于“时间序列”。

Conv

层用于“静态图像”

你需要像

（批处理、步骤、特征）

另一个要求：

（批次、witdh、高度、特征）

现在，

ConvLSTM2D

将两者混合，需要

（批次、台阶、宽度、高度、特征）

离开

ConvLSTM2D

时，您有一个额外的

步骤

维度，该维度不受

convlst2d

支持

如果要保留此维度，请将卷积与

TimeDistributed

包装一起使用：

model.add(TimeDistributed(Conv2D(...))

请注意，与其他只有3个维度的模型相比，您仍然拥有所有5个维度

您应该使用某种重塑或其他操作使其适合您的训练数据

既然你的问题没有说明什么，我们现在只能回答这些了