如何在 Keras 中使用 Conv2D 和 LSTM 层？答案

【问题标题】：How to use Conv2D and LSTM layers with Keras?如何在 Keras 中使用 Conv2D 和 LSTM 层？
【发布时间】：2018-11-27 17:35:53
【问题描述】：

我有一个使用 Keras 与 Conv2D 一起工作的模型，但我想添加一个 LSTM 层。这是我正在使用的数据：

x_train 形状为 (13984, 334, 35, 1)
y_train with shape (13984, 5)

我没有 LSTM 的模型是：

inputs = Input(name='input',shape=(334,35,1))
layer = Conv2D(64, kernel_size=3,activation='relu',data_format='channels_last')(inputs)
layer = Flatten()(layer)
predictions = Dense(5, activation='softmax')(layer)
network = Model(inputs=inputs, outputs=predictions)
network.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

在 Dense 层之前添加 LSTM 层的正确方法是什么？

我尝试使用 TimeDistributed 或 Reshape/Permute，但总是出错。

【问题讨论】：

你可以简单地采用reshape操作：stackoverflow.com/a/63789979/10375049

标签： python keras conv-neural-network lstm rnn

【解决方案1】：

您的问题似乎与我昨天的问题相似。答案可以在这里找到：Keras functional API: Combine CNN model with a RNN to to look at sequences of images

【讨论】：

非常感谢您的帮助。我试过你的方法。我只有两个问题：密集模型出现错误“顺序模型中的第一层必须得到input_shape”。我们应该使用哪个 input_shape？您如何为main_input 重塑数据？

【解决方案2】：

用户deKeijzer解释的方法有效。我找到了另一种解决问题的方法。它是在最后一个 Conv2D 层之后使用 Reshape 层（通过 (334,35) 重塑），然后添加 LSTM 层。

【讨论】：

用 (334,35) 整形是什么意思？你的意思是从 cnn 部分重塑最后一个 conv 层？