Tensorflow 输出维低于输入维的Keras视频帧预测_Tensorflow_Machine Learning_Neural Network_Deep Learning_Keras

Tensorflow 输出维低于输入维的Keras视频帧预测

tensorflow machine-learning neural-network deep-learning keras

Tensorflow 输出维低于输入维的Keras视频帧预测,tensorflow,machine-learning,neural-network,deep-learning,keras,Tensorflow,Machine Learning,Neural Network,Deep Learning,Keras,我想训练Keras DNN进行视频帧预测：输入：视频的4个连续帧输出：下一帧，从网络预测因此，基本上，维度是：输入：（样本数，4，60，60），输出：（样本数，1，60，60）我需要一些帮助，从输入中的4帧向下到输出中的1帧我已经找到了，并愿意与之合作问题是，在该网络中，输出不是一帧，而是与输入相同的帧数。（所以我的任务实际上更简单，因为我只想生成下一帧，而不是4帧）现在我不知道可以在网络末端附加哪些层，或者如何更改网络，因此输出尺寸符合要求。（一帧而不是4帧）在末尾附加Conv

我想训练Keras DNN进行视频帧预测：

输入：视频的4个连续帧
输出：下一帧，从网络预测

因此，基本上，维度是：输入：（样本数，4，60，60），输出：（样本数，1，60，60）我需要一些帮助，从输入中的4帧向下到输出中的1帧

我已经找到了，并愿意与之合作

问题是，在该网络中，输出不是一帧，而是与输入相同的帧数。（所以我的任务实际上更简单，因为我只想生成下一帧，而不是4帧）现在我不知道可以在网络末端附加哪些层，或者如何更改网络，因此输出尺寸符合要求。（一帧而不是4帧）

在末尾附加Conv2D层不起作用，因为它与Conv3D的尺寸不匹配

关于如何解决这个问题以及我的网络架构会是什么样子的，有什么想法吗？对于我的任务以及如何建立一个良好的网络，我也非常感激。代码示例（您提供了URL）中的这个循环可以根据您的需要进行调整

for j in range(16):
    new_pos = seq.predict(track[np.newaxis, ::, ::, ::, ::])
    new = new_pos[::, -1, ::, ::, ::]
track = np.concatenate((track, new), axis=0)