Question

火车尺寸：13974 测试大小：3494 火车形状：（13974，101，6，5）测试形状：（3494，101，6，5）火车输入形状：（13974，100，6，5）火车输出形状：（13974，1，6，5）测试输入形状：（3494，100，6，5）测试输出形状：（3494，1，6，5）

model = Sequential()
model.add(TimeDistributed(Conv2D(32, (3, 3), padding='same'), 
input_shape=(100, 6, 5,1)))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(Conv2D(32, (3, 3))))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2))))
model.add(TimeDistributed(Dropout(0.25)))

model.add(TimeDistributed(Flatten()))
model.add(TimeDistributed(Dense(512)))

model.add(TimeDistributed(Dense(35, name="first_dense_flow" )))

model.add(LSTM(20, return_sequences=True, name="lstm_layer_flow"));    
model.add(TimeDistributed(Dense(101), name=" time_distr_dense_one_ flow "))  
model.add(GlobalAveragePooling1D(name="global_avg_flow"))
model.compile(loss='mae', optimizer='adam', metrics=['accuracy'])
model.fit(train_input,train_output,epochs=50,batch_size=60)

我得到了ValueError：检查输入时出错：期望的time_distributed_38_input具有5个维度，但数组的形状为（13974，100，6，5）

我需要根据（100,6,5）来预测（1,6,5），其中100是时间戳。

请更正模型中所需的任何更改

Answer 1

请参阅重写的代码段：

model.add(Conv2D(32, (3, 3), padding='same'), input_shape=(100, 6, 5))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(TimeDistributed(Dense(512)))
model.add(TimeDistributed(Dense(35, name="first_dense_flow" )))

model.add(LSTM(20, return_sequences=True, name="lstm_layer_flow"));    
model.add(TimeDistributed(Dense(101), name=" time_distr_dense_one_ flow "))  
model.add(GlobalAveragePooling1D(name="global_avg_flow"))

将1放到input_shape中； input_shape是batch_shape，没有批次尺寸-因此，您将有batch_shape = (60, 100, 6, 5)（自batch_size=60起）
您的数据形状为(101, 6, 5)，但您的input_shape为(100, 6, 5)-这可能并不总是有效；在馈送到模型之前设置input_shape=(101, 6, 5)或切片数据（例如x[:, :100, :, :]）
Conv2D不需要TimeDistributed，因为您输入的是3D（减去批次暗淡）
Activation，MaxPooling2D和Dropout自动根据其输入尺寸进行缩放，因此TimeDistributed是多余的
Flatten将消除timesteps-channels的关系，但这可能不是声音的补充-但是，如果您仍要使用它，则需要摆脱{{ 1}}之后的两个TimeDistributed，然后是Dense，然后再喂给Reshape

预期的time_distributed_38_input具有5个维度，但数组的形状为（13974，100，6，5）

1 个答案: