Question

我试图在Keras中使用以下模型，其中ConvLSTM2D输出后跟Conv2D，以生成类似分段的输出。输入和输出应该是每个(2*WINDOW_H+1, 2*WINDOW_W+1)大小的时间序列

model = Sequential()
model.add(ConvLSTM2D(3, kernel_size=3, padding = "same", batch_input_shape=(1, None, 2*WINDOW_H+1, 2*WINDOW_W+1, 1), return_sequences=True, stateful=True))
model.add(Conv2D(1, kernel_size=3, padding = "same"))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

但是，这会产生以下错误（添加Conv2D时）：

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

任何关于我可能出错的地方的指针都非常感谢。谢谢！

Answer 1

我认为您需要做一个时间分布的Conv2D图层，以便尺寸匹配。也许像这样：

model = Sequential()
model.add(ConvLSTM2D(3, kernel_size=3, padding = "same", batch_input_shape=(1, None, 2*WINDOW_H+1, 2*WINDOW_W+1, 1), return_sequences=True, stateful=True))
model.add(TimeDistributed((Conv2D(1, kernel_size=3, padding = "same")))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

Answer 2

模型中的问题是您尝试将序列用于常规卷积层。您唯一需要做的就是删除return_sequences=True中的ConvLSTM2D。

所以这行：

model.add(ConvLSTM2D(3, kernel_size=3, padding = "same", batch_input_shape=(1, None, 2*WINDOW_H+1, 2*WINDOW_W+1, 1), return_sequences=True, stateful=True))

应该是这样的：

model.add(ConvLSTM2D(3, kernel_size=3, padding = "same", batch_input_shape=(1, None, 2*WINDOW_H+1, 2*WINDOW_W+1, 1), stateful=True))

Answer 3

在ConvLSTM2D之前的Conv2D层中，您使用return_sequence为False。运行该程序后，可以获得结果ndim = 4。

如何在Keras python中使用ConvLSTM2D和Conv2D

3 个答案: