在tf.keras.models.Sequential中与图层输入/输出形状作斗争

Question

已解决

我想尝试使用tf.keras.models.Sequential，但我发现Conv图层采用形状（采样，暗淡，暗淡，通道）的数据，但是以（采样，暗淡，暗淡，过滤器）的形式输出。

如何在输出上运行第二个Conv层，最好使用3D（Dim，Dim，Filters）滤镜？

Conv3D要求更多尺寸（可能是额外的Channel尺寸）。我意识到我可以重塑，但考虑到原始tensorflow语法在2D层可以具有3D滤镜的情况下不太钝，这感觉像我做错了。

我在做什么错？相关代码：

model = tf.keras.models.Sequential([
    tf.keras.layers.InputLayer((28,28), 60000), # Mnist goes here
    tf.keras.layers.Reshape((28,28,1)),         # black magic
    tf.keras.layers.Conv2D(12, (9,9)),          # outputs (60000, 20,20,12)
        # So a reshape goes here?
        # tf.keras.layers.Conv2D(40, (5,5,12)), # too many dimensions on filter
        # tf.keras.layers.Conv3D(40, (5,5,10))        # wants 5 dimensions
    tf.keras.layers.Conv2D(40, (5,5))           # should have done this, 
                                        # didn't realize it would iterate over all channels
])