Keras ConvLSTM2D：为什么使用averagepooling3d以及如何回归答案

【问题标题】：Keras ConvLSTM2D: why use the averagepooling3d and how to to regressionKeras ConvLSTM2D：为什么使用averagepooling3d以及如何回归
【发布时间】：2019-08-14 05:28:39
【问题描述】：

我一直在学习Keras ConvLSTM2D: ValueError on output layer

我想使用相同的代码，但我想做回归（单值）。我不知道该怎么做。而且我也不明白这个邮政编码最后几层的使用。为什么要使用averagepolling3d？

链接中的代码是

model = Sequential()

model.add(ConvLSTM2D(
        filters=40,
        kernel_size=(3, 3),
        input_shape=(None, 135, 240, 1),
        padding='same',
        return_sequences=True))
model.add(BatchNormalization())

model.add(ConvLSTM2D(
        filters=40,
        kernel_size=(3, 3),
        padding='same',
        return_sequences=True))
model.add(BatchNormalization())

model.add(ConvLSTM2D(
        filters=40,
        kernel_size=(3, 3),
        padding='same',
        return_sequences=True))
model.add(BatchNormalization())

model.add(AveragePooling3D((1, 135, 240)))
model.add(Reshape((-1, 40)))
model.add(Dense(
        units=9,
        activation='sigmoid'))

model.compile(
        loss='categorical_crossentropy',
        optimizer='adadelta'
)

【问题讨论】：

标签： python keras regression lstm

【解决方案1】：

AveragePooling3D 用于将序列中的每一帧减少为单个值 + 以减少密集层中的#parameters。因此，维度变为(None, 40 , 1 , 1 ,1 )。然后，使用Reshape 允许它用于完全连接的部分。

此外，与Keras ConvLSTM2D: ValueError on output layer 一样，使用AveragePooling3D 代替GlobalMaxPooling2D，因为数据是5D 并且Global 操作只留下(batch_size, channels)，这在您的情况下是不可取的。

【讨论】：