ConvLSTM2D, или LSTM, как особый тип рекуррентной нейронной сети в целом, используются, когда входные данные представляют собой временные ряды. Это позволяет использовать временные свойства в данных.
В случае ConvLSTM2D вход обычно представляет собой видео, состоящее из нескольких кадров. Следовательно, вы должны изменить данные следующим образом:
samples=1700 , time=t, row=90 , cols=30, channels=1
, где t - количество кадров в видео.
В качестве примера, скажем, мы хотим выполнить классификацию видео (или прогнозирование кадров) на основе короткого видеоклипа из 10 кадров, затем t = 10 .
Это, конечно, имеет смысл только в том случае, если ваши кадры изображения расположены во временном порядке. Просто используйте tf.reshape (...) .