Question

我有一个使用Keras与 Conv2D 一起使用的模型，但是我想添加一个LSTM 层。这是我正在使用的数据：

x_train的形状为（13984， 334，35，1 ）
y_train的形状为（13984， 5 ）

我没有LSTM的模型是：

inputs = Input(name='input',shape=(334,35,1))
layer = Conv2D(64, kernel_size=3,activation='relu',data_format='channels_last')(inputs)
layer = Flatten()(layer)
predictions = Dense(5, activation='softmax')(layer)
network = Model(inputs=inputs, outputs=predictions)
network.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

在Dense层之前添加LSTM层的正确方法是什么？

我尝试使用TimeDistributed或Reshape / Permute，但是我总是遇到错误。

Answer 1

您的问题似乎与我昨天提出的问题类似。答案可以在这里找到：Keras functional API: Combine CNN model with a RNN to to look at sequences of images

Answer 2

deKeijzer用户解释的方法起作用。我找到了解决问题的另一种方法。它是在最后一个Conv2D层之后使用Reshape层（通过（334,35）进行重塑），然后添加LSTM层。

如何在Keras中使用Conv2D和LSTM层？

2 个答案: