在Tensorflow中将CNN输出传递给LSTM？

假设CNN的输出形状为

[批次大小、高度、宽度、通道数]

（假设格式为

通道数最后一次

），我有以下方法将CNN维度转换为RNN维度：

def collapse_to_rnn_dims(inputs):
    batch_size, height, width, num_channels = inputs.get_shape().as_list()
    if batch_size is None:
        batch_size = -1
    return tf.reshape(inputs, [batch_size, width, height * num_channels])

它确实有效。然而，我只是想问一下，这是否真的是重塑CNN输出的正确方法，以便它们可以传递到LSTM层。

我找到了一个答案，它与我在手写文本识别中所做的完全相同，尽管这个答案假设

时间步数
（宽度）是动态的，而不是批大小

shape = cnn_net.get_shape().as_list()  # [batch, height, width, features]
transposed = tf.transpose(cnn_net, perm=[0, 2, 1, 3],
                          name='transposed')  # [batch, width, height, features]
conv_reshaped = tf.reshape(transposed, [shape[0], -1, shape[1] * shape[3]],
                           name='reshaped')  # [batch, width, height x features]

您可以简单地采用重塑操作：