使用 keras 跨一维最大池化答案

【问题标题】：max pooling across one dimension using keras使用 keras 跨一维最大池化
【发布时间】：2020-12-14 14:42:27
【问题描述】：

我已经实现了一个 3D 卷积神经网络。我输入的形状是（500,10,4,1）。我只想在第一维中进行卷积，使其在某种程度上在第二维和第三维中“完全连接”。所以我使用（30,10,4）的内核大小。到目前为止还好。但是当我进行最大池化时，它也会减少第二维和第三维。但这只是我想减少的第一个维度。那是在进行最大池化之后，我希望第一个维度 (500) 变为 250，但我希望我的第二个维度和第三个维度分别保持 10 和 4。我怎样才能做到这一点？到目前为止我的代码是：

###Input shape
i1 = Input(shape=(500,10, 4,1))

###First block
c1 = Conv3D(128, kernel_size=(50,10,4),activation='relu',padding='same')(i1)
c1 = MaxPooling3D(2)(c1) 
c1 = Dropout(0.1)(c1)

###Second block
#c1 = Conv3D(128, kernel_size=(50,10,4),activation='relu',padding='same')(c1)
#c1 = MaxPooling3D(2)(c1)
#c1 = Dropout(0.1)(c1)

c = Flatten()(c1)
#c2 = Dropout(0.1)(c2)

###FC Layers
x = Dense(128, activation='relu')(c)

##Output
output = Dense(4,activation = 'linear')(x)

错误当我这样做时

c1 = MaxPooling3D(2,1,1)(c1)

我收到以下错误：

我们将不胜感激。

【问题讨论】：

标签： python python-3.x tensorflow keras conv-neural-network

【解决方案1】：

试试这个：

c1=MaxPool3D(pool_size=(2,1,1))(c1)

【讨论】：

是的，我确实尝试过，但它给了我一个错误，我在问题中提出了这个错误。
是MaxPooling3D((2,1,1))，不是MaxPooling3D(2,1,1)