前馈神经网络的3D输入

Question

我有一个3D输入数据集。尺寸为（24,80,42）。 80个时间步长或样本。每个时间步都有24个实体，每个实体都归属于42个要素。我如何将其作为普通前馈神经网络的输入？我已经有了LSTM的结果。

这是我遇到的错误。 我不知道如何重塑数据以作为输入。

ValueError：检查输入时出错：预期density_3_input具有3维，但数组的形状为（1920，42）

input_shape = (80,24,42)
network = models.Sequential()

# Add fully connected layer with a ReLU activation function
network.add(layers.Dense(units=42, activation='relu', 
input_shape=input_shape))

# Add fully connected layer with a ReLU activation function
network.add(layers.Dense(units=42, activation='relu'))

# Add fully connected layer with no activation function
network.add(layers.Dense(units=24))
network.summary()

这是正确的吗？

---

图层（类型）输出形状参数＃

dense_25（密集）（无人，80、24、42）1806

---

dense_26（密集）（无人，80、24、42）1806

---

dense_27（Dense）（None，80，24，24）1032

总参数：4,644 可训练的参数：4,644 不可训练的参数：0

---