使用keras（TensorFlow）构建Conv2D + LSTM模型

使用keras（TensorFlow）构建Conv2D + LSTM模型

阿

Conv2D

层需要四个维度，而不是三个：

• (batch_size, height, width, channels)

  。

并且

TimeDistributed

将需要额外的尺寸：

• (batch_size, frames, height, width, channels)

因此，如果您真的要使用

TimeDistributed

+

Conv2D

，则需要5个维度。你

input_shape=(86,28,28,3)

，或者你的

batch_input_shape=(batch_size,86,28,28,3)

，在这里我假设你有一个RGB视频（3个色通道）。

通常，您只需将输入形状传递给

TimeDistributed

。

model.add(TimeDistributed(Dense(....), input_shape=(86,28,28,3))

batch_input_shape

仅在使用

stateful=True

LSTM的情况下才需要。然后，您只需将batch_input_shape替换为input_shape。

---

请注意，只有卷积2D层​​才能看到高度和宽度方面的图像。添加LSTM时，将需要调整数据的形状以将高度，宽度和通道合并为一个维度。

对于形状（框架，h，w，ch）：

model.add(Reshape((frames,h*w*ch)))

而且，您不应

TimeDistributed

仅将这些LSTM与卷积层一起使用。

您的使用方法可以，

model.add(TimeDistributed(Flatten()))

而不需要重塑。

---

还要注意，Keras最近实现了

ConvLSTM2D

一层，这可能对您有用：https
:
//keras.io/layers/recurrent/#convlstm2d