keras 在ConvLSTM3D之后使用MaxPooling3D且return_sequences=True

50few1ms 于 2023-01-13 发布在其他

关注(0)|答案(1)|浏览(234)

我正在研究3D空间数据的下一帧预测问题。这里讨论的是一些类似的，但针对2D数据的问题。基本上，我有一组随时间变化的3D图像，我试图建立一个模型来预测这些变化。
对于我的问题，我使用几个ConvLSTM3D层。输入数据是一个6DTensor：[批处理，时间帧，x_dimension，y_dimension，z_dimension，channels]。如果选项return_sequences设置为True，则ConvLSTM3D的输出形状为6D。这使得以后无法使用MaxPooling3D层，因为它将5D形状作为输入。

model.add(layers.ConvLSTM3D(filters=64, 
                            kernel_size=(3, 3, 3),
                            padding='same', 
                            return_sequences=True,
                            activation="tanh",
                            ))
model.add(layers.MaxPooling3D(pool_size=(2,2,2)))

有什么办法来处理这个问题吗？是否只有当return_sequences=False时才能使用池层？
谢谢

keras

来源：https://stackoverflow.com/questions/72262388/using-maxpooling3d-after-convlstm3d-with-return-sequences-true

1条答案

按热度按时间

unftdfkk1#

抱歉，回答得太晚了。我想这也许能解决你的问题：

model.add(layers.TimeDistributed(layers.MaxPooling3D(pool_size=(2,2,2))))

TimeDistributed跨所有时间步长并行执行所需操作。有关详细信息，请参见此处：https://www.tensorflow.org/api_docs/python/tf/keras/layers/TimeDistributed

赞(0）回复(0）举报 2023-01-13

我来回答

keras 在ConvLSTM3D之后使用MaxPooling3D且return_sequences=True

1条答案

相关问题

热门标签

最新问答