为什么我的 Keras TimeDistributed CNN + LSTM 模型期望形状不完整

Question

我正在 Keras 中构建一个小型 CNN LSTM 模型，用于练习视频分类。我的数据的输入维度是 (1, 5, 30, 10, 3)（批量大小、时间步长、宽度、高度、通道）。我发现 ConvLSTM2D 取得了一些成功，但我想使用 TimeDistributed 制作模型，因为我想比较 LSTM 与 GRU 的性能。

模型训练成功（尽管有一些非常奇怪的准确度），

https://i.imgur.com/5uAbPkR.png

但是当我将它保存到我的计算机并在维度数组（1、5、30、10、3）上调用 model.predict 时，我收到此错误：

ValueError: Input 0 is incompatible with layer sequential_12: expected shape=(None, None, 10, 30, 3), found shape=(1, 5, 30, 10, 3)

即使使用训练集中的图像也会发生这种情况，据说它可以达到 100% 的准确率。

我对机器学习还很陌生，所以我可能忽略了一些简单的事情，但是在搜索 Whosebug 和 Google 一整天后，我一无所获。

模型看起来像这样。

model = Sequential()
model.add(Input((5,10,30,3)))

model.add(TimeDistributed(Conv2D(filters=2,  
                                 kernel_size=(3,3), 
                                 padding='same', 
                                 activation='relu')))
model.add(TimeDistributed(Flatten()))

model.add(LSTM(4))

model.add(Dense(16, activation='sigmoid'))
model.add(Dense(2, activation='softmax'))

sgd = SGD(learning_rate=0.01)

model.compile(optimizer=sgd,
              loss='binary_crossentropy',
              metrics=['accuracy'])

预期的输入形状不应该与我在训练中使用的第一个输入层相同吗？

Answer 1

我比你还菜鸟，可能给出了错误的建议。如果我没理解错，如果我是你，我会尝试

帧 = 帧 [None, ...]

对于需要预测的内容。帮了我一次。

如果我没有做过类似的任务，我就不会写这篇文章。我对你的经历很感兴趣，我可以分享我的经历。你想讨论这个问题吗？

为什么我的 Keras TimeDistributed CNN + LSTM 模型期望形状不完整

Why does my Keras TimeDistributed CNN + LSTM model expect an incomplete shape

python

tensorflow

machine-learning

keras

recurrent-neural-network