ValueError：输入 0 与层 lstm_14 不兼容：预期 ndim=3，发现 ndim=2

Question

我正在构建一个用于图像分类的 cnn_rnn 网络。在我的 jupyter notebook 中运行以下 python 代码时出现错误。

     # model
     model1 = Sequential()
     # first convolutional layer
     model1.add(Conv2D(32, kernel_size=(3, 3),activation='relu',input_shape(160, 120, 3)))
     # second convolutional layer
     model1.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
     #Adding a pooling Layer
     model1.add(MaxPooling2D(pool_size=(3, 3)))
     #Adding dropouts
     model1.add(Dropout(0.25))
     # flatten and put a fully connected layer
     model1.add(Flatten())
     model1.add(Dense(32, activation='relu')) # fully connected

     #Adding RNN N/W
     model1.add(LSTM(32, return_sequences=True))
     model1.add(TimeDistributed(Dense(5, activation='softmax')))

我还尝试将 input_shape=(160, 120, 3) 作为参数添加到 LSTM 函数，但无济于事。请帮忙！

P.S：我也尝试使用 GRU 而不是 LSTM，但得到了同样的错误。

更新：请注意 model.summary() 结果 enter image description here

Answer 1

您的错误是由于您在 LSTM 层之前使用了 Flatten 和 Dense。

LSTM 层要求输入的形状为 (Batchsize x Length x Feature depth0)（或某些变体），而您的 flatten 将 Conv2D 输出从 (B x H x W x F) 更改为 (B x W * F * H) 如果这有意义的话。如果您想使用这种架构，我建议您使用 Reshape 层来展平您想要的尺寸，并在 LSTM 层之前使用内核大小为 1 的 Conv1D（与全连接层相同）。

或者，如果你想使用这个确切的代码，在你的 LSTM 层之前添加它，它应该可以工作：

model1.add(重塑(target_shape=(1,54*40,32))

由于 pool_size 为 (3,3)，它是 54 和 40。