Question

火车输入形状：（13974，100，6，5）火车输出形状：（13974，1，6，5）测试输入形状：（3494，100，6，5）测试输出形状：（3494，1，6，5）

model = Sequential()
model.add(TimeDistributed(Conv2D(32, (3, 3), 
padding='same'), 
input_shape=(100, 6, 5,1)))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(Conv2D(32, (3, 3))))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2))))
model.add(TimeDistributed(Dropout(0.25)))

model.add(TimeDistributed(Flatten()))
model.add(TimeDistributed(Dense(512)))

model.add(TimeDistributed(Dense(35, name="first_dense_flow" )))

model.add(LSTM(20, return_sequences=True, name="lstm_layer_flow"));    
model.add(TimeDistributed(Dense(101), name=" time_distr_dense_one_ flow ")) 

model.add(GlobalAveragePooling1D(name="global_avg_flow"))
model.compile(loss='mae', optimizer='adam', metrics=['accuracy'])    model.fit(train_input,train_output,epochs=50,batch_size=60)

我正在尝试建立一个能够检测未来的CNN-LSTM模型。输入是13974序列，每个序列包含100个时间戳，每个时间戳包含6个位置和5个特征（变量），因此输入是（13974,100,6,5），输出是（13974,1,6,5）

如何更改模型，以便可以进行时空预测

时空2D-CNN-LSTM

0 个答案: