重塑图像以输入Keras时间分布函数

Question

我有一组图像，我想按顺序分析。我的训练数据有形状（354，260，260，1）-有354个图像，每个维度（260260，1）。我的目的是建立一个CNN模型，计算每个图像中对象的数量，但是由于图像是按顺序排列的，所以我也尝试在上面包含LSTM层，这就是我遇到输入维度问题的地方。不幸的是，我还没有找到一个解决方案在这个网站上或谷歌。你知道吗

我将我的模型设置为：

model = Sequential()
model.add(TimeDistributed(Conv2D(filters=16, kernel_size=3, activation='relu'),
            input_shape=(5,260,260,1)))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2,2))))
model.add(TimeDistributed(Flatten()))
model.add(LSTM(5))
model.add(Dense(16, activation='relu')) 
model.add(Dense(1, activation='linear'))

我将input_shape指定为（5260260,1），因为我希望模型在对当前图像进行预测时考虑到过去的5个图像（我希望我对这一点的理解是正确的，如果我错了，请纠正我）。你知道吗

上述模型总结如下：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
time_distributed_61 (TimeDis (None, 5, 258, 258, 16)   160       
_________________________________________________________________
time_distributed_62 (TimeDis (None, 5, 129, 129, 16)   0         
_________________________________________________________________
time_distributed_63 (TimeDis (None, 5, 266256)         0         
_________________________________________________________________
lstm_17 (LSTM)               (None, 5, 5)              5325240   
_________________________________________________________________
dense_33 (Dense)             (None, 5, 16)             96        
_________________________________________________________________
dense_34 (Dense)             (None, 5, 1)              17        
=================================================================
Total params: 5,325,513
Trainable params: 5,325,513
Non-trainable params: 0

然而，在编译模型时，我遇到了以下错误：

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-79-8e37c915d926> in <module>()
      1 model.compile(loss='mean_squared_error', optimizer='adam')
----> 2 history = model.fit(xtrain_rs, ytrain, validation_data=(xtest_rs, ytest),epochs=50,batch_size=32,verbose=1)

2 frames

/usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    129                         ': expected ' + names[i] + ' to have ' +
    130                         str(len(shape)) + ' dimensions, but got array '
--> 131                         'with shape ' + str(data_shape))
    132                 if not check_batch_axis:
    133                     data_shape = data_shape[1:]

ValueError: Error when checking input: expected time_distributed_61_input to have 5 dimensions, but got array with shape (354, 260, 260, 1)

我现在被困在这里…不知道我应该如何重塑我的训练数据有5个维度，或者如果我在其他地方犯了错误？非常感谢您的帮助！你知道吗

编辑：已解决如果其他人有相同问题：
批处理必须使用TimeseriesGenerator完成，然后Keras才能推断批大小：

from keras.preprocessing.sequence import TimeseriesGenerator
train_sequences = TimeseriesGenerator(xtrain_rs, ytrain, length=5, batch_size=64)
test_sequences = TimeseriesGenerator(xtest_rs, ytest, length=5, batch_size=64)

# fit model using fit_generator instead of fit
fit_generator(train_sequences,validation_data = test_sequences,epochs=10)

# sanity check
batch_x, batch_y = test_sequences[0]
batch_x.shape

上面的输出形状是（64，5，260，260，1）。我上面的模型正在运行。你知道吗

Answer 1

你好像在把你的整个数据集传给模型， 您必须从数据集中获取一批5幅图像，在这种情况下，您应该设置您的输入\u shape=（260260,1），当您适合您的模型时，按如下方式传递参数model.fit(x_train, y_train,epochs=20,batch_size=5)，但要做到这一点，您必须准备好数据，以便能够按批弹出5幅图像，下面是关于如何进行批处理的link和关于时间分布如何工作的another