Question

目前，我正在研究图像分类问题，并根据在线教程Image Classification using Keras创建了以下代码。

代码工作正常，但是当addind LSTM层时，input_shape存在问题，我无法找出解决方案：

ValueError：输入0与lstm_1层不兼容：预期ndim = 3，发现ndim = 4

代码：

img_width, img_height = 224, 135
train_dir = './train'
test_dir = './test'
train_samples = 46822
test_samples = 8994
epochs = 25
batch_size = 16

input_shape = (img_width, img_height, 3)

model = Sequential() 
model.add(Conv2D(32, (3, 3), input_shape = input_shape, activation = 'relu'))
model.add(LSTM(3, return_sequences=True, input_shape = input_shape))
model.add(AveragePooling2D(pool_size = (2, 2)))
model.add(Flatten())
model.add(Dense(units = 128, activation = 'softmax'))

model.compile(loss ='categorical_crossentropy', 
              optimizer ='adam', 
              metrics =['accuracy'])

train_datagen = ImageDataGenerator( 
            rescale = 1. / 255, 
            shear_range = 0.2, 
            zoom_range = 0.2, 
        horizontal_flip = True) 

test_datagen = ImageDataGenerator(rescale = 1. / 255)

train_generator = train_datagen.flow_from_directory(train_dir, target_size =(img_width, img_height), batch_size = batch_size, class_mode ='categorical')

validation_generator = test_datagen.flow_from_directory(test_dir, target_size =(img_width, img_height), batch_size = batch_size, class_mode ='categorical') 

model.fit_generator(train_generator, 
    steps_per_epoch = train_samples // batch_size, 
    epochs = epochs, validation_data = validation_generator, 
    validation_steps = test_samples // batch_size)

其他信息：

input_shape的大小=（224,135,3）

train和test文件夹中每个都有3个子文件夹，其中包含一组基于“人体运动”序列的图像。

提到的错误确实提供了一些Google结果，但就我而言却没有提供解决方案->我尝试将LSTM层的input_shape更改为各种选项，例如（224,3）或任何变体，等

我可能正在监督一件愚蠢的事情，希望这里的某人有一个主意？

Answer 1

我认为这里存在一个基本问题，LSTM层通常需要“序列”维。

LSTM层是循环神经网络的一部分，该循环神经网络（通常）用于预测序列。这个维度是您的模型缺失的。有很多方法可以解决这个问题，但肯定是更多的边缘/实验案例。

我怀疑您最好去除LSTM层并坚持使用更适合卷积神经网络的层。

如何修复LSTM层错误-图像分类

1 个答案: