Question

现在，我有70张200x200x1的图像（仅限一个频道）。在操作model.fit之前，我将此训练日期的形状从（70,200,200,1）转换为（1,70,200,200,1）。（实际上我的代码是RNN）

所以我的RNN模型如下所示。

def get_RNN
input1 = Input((img_rows, img_cols, 1), name='input1') # (?,200,200,1)

conv1 = ConvLSTM2D(32, (3,3), activation='relu', padding='same')(input1)

在第一行中，创建了如下所示的错误。

ValueError: Input 0 is incompatible with layer conv_lst_m2d_1: expected ndim=5, found ndim=4

我想我必须编辑我的第一行get_RNN。有谁知道如何改变这条线？我想做一个（1，？，200,200,1）的形状，在哪里？是70岁。

Answer 1

我有另一个问题。

在执行model.fit函数之前，我将输入数据和输出数据作为nparray类型。

imgs_input.shape是（1,70,200,200,1） imgs_output.shape是（1,70,200,200,1）

之后，我按照下面的代码执行了model.fit。

hist = model.fit(imgs_input, imgs_output, batch_size=16, epochs=30, verbose=2, shuffle=True, callbacks=[model_checkpoint])

而且，我的RNN网络运行了..

def get_RNN
input1 = Input((None, img_rows, img_cols, 1), name='input1') # (?,?,200,200,1)
conv1 = ConvLSTM2D(32, (3,3), activation='relu', padding='same', return_sequences=True)(input1)

如果我的代码是正确的， input1的形状将是（1,70,200,200,1）。但我总是得到（70,1,200,200,1）的形状。

如何制作批量大小= 1而不是70？

如何在Keras中将张量形状从4 dim改为5 dim？

1 个答案: