Question

我一直在学习Keras ConvLSTM2D: ValueError on output layer

我想使用相同的代码，但我想进行回归（单一值）。我不知道该怎么做。而且我也不了解此邮政编码的最后几层。为什么要使用averagepolling3d？

链接的代码为

model = Sequential()

model.add(ConvLSTM2D(
        filters=40,
        kernel_size=(3, 3),
        input_shape=(None, 135, 240, 1),
        padding='same',
        return_sequences=True))
model.add(BatchNormalization())

model.add(ConvLSTM2D(
        filters=40,
        kernel_size=(3, 3),
        padding='same',
        return_sequences=True))
model.add(BatchNormalization())

model.add(ConvLSTM2D(
        filters=40,
        kernel_size=(3, 3),
        padding='same',
        return_sequences=True))
model.add(BatchNormalization())

model.add(AveragePooling3D((1, 135, 240)))
model.add(Reshape((-1, 40)))
model.add(Dense(
        units=9,
        activation='sigmoid'))

model.compile(
        loss='categorical_crossentropy',
        optimizer='adadelta'
)

Answer 1

AveragePooling3D用于将序列中的每个帧减少为单个值+以减少密集层中的#parameters。因此，维度变为(None, 40 , 1 , 1 ,1 )。然后，使用Reshape允许它用于完全连接的零件。

此外，如Keras ConvLSTM2D: ValueError on output layer一样，使用AveragePooling3D代替GlobalMaxPooling2D，因为数据是5D且Global操作仅留下(batch_size, channels)，这在您的情况。

Keras ConvLSTM2D：为什么使用averagepooling3d以及如何回归

1 个答案: