预期 time_distributed_38_input 有 5 个维度，但得到了形状为 (13974, 100, 6, 5) 的数组

Question

火车尺寸：13974 测试大小：3494 火车形状 : (13974, 101, 6, 5) 测试形状：（3494、101、6、5） 训练输入形状：(13974, 100, 6, 5) 训练输出形状：(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)

我收到 ValueError：检查输入时出错：预期 time_distributed_38_input 有 5 个维度，但得到了形状为 (13974, 100, 6, 5) 的数组

我需要从 (100,6,5) 预测 (1,6,5)，其中 100 是时间戳。

请更正模型中需要的任何更改

Answer 1

见改写的sn-p：

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

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"))

• 将1 放入input_shape； input_shape 是 batch_shape 没有批次维度 - 所以你会有 batch_shape = (60, 100, 6, 5) （因为 batch_size=60）
• 您的数据形状是(101, 6, 5)，但您的input_shape 是(100, 6, 5) - 这可能并不总是有效；在输入模型之前设置input_shape=(101, 6, 5)或切片数据（例如x[:, :100, :, :]）
• Conv2D 不需要 TimeDistributed，因为您的输入是 3D（减去批量暗淡）
• Activation、MaxPooling2D 和 Dropout 会根据其输入尺寸自动缩放，因此 TimeDistributed 是多余的
• Flatten 将消除 timesteps-channels 关系，这可能不是一个合理的添加 - 但如果你仍然要使用它，你需要为两个 Dense 之后去掉 TimeDistributed，然后Reshape 喂给LSTM