我目前正在尝试构建一个使用图像序列的模型，并使用TF后端对Keras中序列中的每个项目进行分类（不保留序列之间的状态）;但是，我遇到了第一层输入形状的问题 .
模型看起来像这样：
model.add(TimeDistributed(Conv2D(64, (3, 3), activation='relu'), input_shape=(10, 1, 224, 224, 3)))
model.add(TimeDistributed(MaxPooling2D((2, 2), strides=(1, 1))))
model.add(TimeDistributed(Conv2D(128, (4,4), activation='relu')))
model.add(TimeDistributed(MaxPooling2D((2, 2), strides=(2, 2))))
model.add(TimeDistributed(Conv2D(256, (4,4), activation='relu')))
model.add(TimeDistributed(MaxPooling2D((2, 2), strides=(2, 2))))
model.add(TimeDistributed(Flatten()))
model.add(Dropout(0.5))
model.add(LSTM(256, return_sequences=False, dropout=0.5))
model.add(Dense(num_classes, activation='sigmoid'))
我认为我的问题来自于对阵列形状缺乏了解，而且我很可能在这里犯了一个业余错误 . 每个单独的序列被加载到一个numpy形状的数组（10,1,224,224,3），其中第一个轴是序列中的项目数（它们被填充为相同的长度），第二个是批处理大小，其他只是一个RGB图像 . 根据我的理解，从阅读文档（和我的错误）的可用信息，时间分布式包装器内的conv2D采用5D数组，基本上被格式化为（批量大小，行，列，通道）的正常conv2D输入加上添加时间维度（序列中的每个项目） . 这是否接近准确？
转到我正面临的问题...如果我尝试输入形状的图像序列（10,1,224,224,3），我得到错误“ValueError：输入通道的数量与相应的维度不匹配过滤器，224！= 3“ . 任何人都可以对此有所了解吗？我很确定我没有正确地调整输入数组和input_shape .
我有一个人可能能够回答的另一个问题是：一旦这个问题得到解决并且我可以使用序列作为输入，我该如何为模型提供不仅仅是如上所示的单个图像序列，而是使用数组序列？我的数据集由数千个这些序列组成 . 我之前使用Caffe的所有经验都是使用Caffe，当然不是任何使用循环模型的东西，所以不仅我不熟悉实际的网络，我不熟悉Keras整体（虽然我开始学习，虽然慢慢地大声笑） . 根据我的经验和观察，Caffe在您和数据输入之间提供了一个沉重的抽象层，所以我以前从未处理过这个问题 .
我希望这个问题和我的问题清晰简洁，所提供的任何信息都非常感谢！