用lstm添加conv2d层时，有没有办法固定密集层的形状？

Question

我正在尝试将数据放入conv2d + lstm层中，但最后一个密集层出现了错误

我已经尝试过重塑，但是它给了我同样的错误..因为我是python的新手，所以我不明白如何解决我的错误。我的模型是将cnn与lstm层结合在一起，我有2892个训练图像和测试1896张图像，总共4788张图像，每张图像尺寸为128 * 128

这是最终的模型摘要

这是我的一些代码

cnn_model = Sequential()

cnn_model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(128,128,3)))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))

cnn_model.add(Conv2D(32, (3, 3), activation='relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))

cnn_model.add(Conv2D(64, (3, 3), activation='relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))

cnn_model.add(Conv2D(128, (3, 3), activation='relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
cnn_model.add(Flatten())

model = Sequential()
model.add(cnn_model)
model.add(Reshape((4608, 1)))
model.add(LSTM(16, return_sequences=True, dropout=0.5))
model.add(Dense(3, activation='softmax'))
model.compile(optimizer='adadelta', loss='categorical_crossentropy', metrics=['accuracy'])
model.summary()
X_data = np.array(X_data)
X_datatest = np.array(X_datatest)
X_data= X_data.astype('float32') / 255.
X_datatest = X_datatest.astype('float32') / 255.

hist=model.fit(X_data, X_data,epochs=15,batch_size=128,verbose = 2,validation_data=(X_datatest, X_datatest))

我预期在密集层中的错误，因为它输出以下错误

  

回溯（最近通话最近）：文件   “ C：\ Users \ bdyssm \ Desktop \ Master \ LSTMCNN2.py”，第212行，在       hist = model.fit（X_data，X_data，epochs = 15，batch_size = 128，verbose = 2，validation_data = {X_datatest，X_datatest））文件   “ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ engine \ training.py”，   线952，适合       batch_size =批处理大小）文件“ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ engine \ training.py”，   _standardize_user_data中的第789行       exception_prefix ='target'）文件“ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ engine \ training_utils.py”，   第128行，位于standardize_input_data中       '具有形状'+ str（data_shape））

     

ValueError：检查目标时出错：预期density_1具有3   尺寸，但数组的形状为（2892、128、128、3）

这是cnn_model摘要