我正在编写3D点云对象检测和分类的代码。首先，我标记了所有原始的点云，现在将其转换为体素，因此在每个时间戳下，我都会获得具有4个功能的3D矩阵。我希望我的输出再次成为带有标签的3D矩阵。用编程术语：
我对神经网络的输入是-[否。条目数，4（功能），10、20、15]。
我从网络上输出的是[否。项，1、10、20、15]
由于一个热向量，我现在的形状是：[否。的条目数10、20、15、8]归因于8个类别。
那么我应该在keras中使用哪一层作为输入和输出，以免给我任何错误？
我将这一层用作网络的输入：
model.add(Convolution3D(64, 3, 3, 3, activation='relu',
border_mode='same', name='conv1',
subsample=(1, 1, 1),
input_shape=(4, 10, 20, 15)))
但是我无法通过添加池化层和其他层来减小大小。我应该将哪一层用作输出，以及如何在中间层保持相同的大小？