将3d张量馈入CNN和keras网络时的尺寸错误

如何解决将3d张量馈入CNN和keras网络时的尺寸错误

我的Xtrain是尺寸为（numofsamples，高度，宽度，通道）的RGB图像。其中numofsamples = 1047，高度= 128，宽度= 128，通道= 3。

这是通过运行以下代码完成的：

for img_filename in train_files:
    img = image.load_img(os.path.join(rootdir,'train_image/train_image',img_filename),target_size=(128,128,1))
    img = image.img_to_array(img)
    img = img/255
    train_image.append(img)
X_train = np.array(train_image)

我正在尝试对具有图像增强功能的数据运行CNN + LSTM模型。但是我不断收到不同尺寸的错误。

如果我要运行以下代码：

batch_size = 64
model.add(Timedistributed(Conv2D(64,kernel_size=(3,3),activation='relu',input_shape = (128,3))))
model.add(Timedistributed(MaxPooling2D(pool_size=(2,2))))
model.add(Timedistributed(Flatten()))
model.add(LSTM(512,return_sequences=False,dropout=0.1))
model.add(Flatten())
model.add(Dense(256))
model.add(Dense(3,activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='Adam',metrics=['accuracy'])
model.fit_generator(train_generator.flow(Xtrain,ytrain,batch_size=batch_size),#steps_per_epoch = Xtrain.shape[0] // batch_size,epochs = 50,verbose = True,validation_data= (Xval,yval),callbacks = [reduce_lr,es,ModelCheckpoint('cnnlstm'+'_weights.hdf5',monitor='val_accuracy',verbose=1,save_best_only=True,mode='max')]
                       )

我遇到的错误是：

InvalidArgumentError：输入必须为4维[8192,3] [Op：Conv2D]

如果我将其重塑为（1047，128，128，3，1），我会遇到一个小错误。

Xtrain_reshape = np.expand_dims(Xtrain,-1)
Xval_reshape = np.expand_dims(Xval,-1)

model = Sequential()
# define CNN model
model.add(Timedistributed(Conv2D(64,2))))
model.add(Timedistributed(Flatten()))
# define LSTM model
model.add(LSTM(512,metrics=['accuracy'])
model.fit_generator(train_generator.flow(Xtrain_reshape,validation_data= (Xval_reshape,mode='max')]
                       )

我的错误是

ValueError ：（“ NumpyArrayIterator中的输入数据应具有等级4。您传递了一个具有形状的数组”，（1047、128、128、3、1））

您能告诉我如何重塑它，以便我可以通过CNN和LSTM吗？