我正在尝试训练一个用于视频序列的CNN。我的输入数据形状为(5874, 1, 10, 128, 128)，分别代表(样本数，通道数，帧数，高度，宽度)。错误信息显示给出了4个维度，但期望的是5个维度，或者给出了6个维度。正确的管理Conv3D的方式是什么？
设置Input((1,10,128,128))会导致：ValueError: Error when checking input: expected input_1 to have 5 dimensions, but got array with shape (1, 128, 128, 10)。但这个错误是在拟合之后生成的。
设置Input((1,1,10,128,128))会导致：ValueError: Input 0 of layer conv3d_6 is incompatible with the layer: expected ndim=5, found ndim=6. Full shape received: [None, 1, 1, 128, 128, 10]，这个错误是在执行模型后（在拟合之前）生成的。
我已经查阅了所有可能的文档和论坛，但一无所获。任何建议都会有所帮助。
dataset = tf.data.Dataset.from_tensor_slices((data, labels)))dataset = dataset.shuffle(10000)train_dataset, valid_dataset = split_dataset(dataset, 0.02)model = tf.keras.Sequential()model.add(Input((1,10,128,128)))model.add(Conv3D(filters = 8, kernel_size=(10,5,5), padding="same", activation="relu", data_format="channels_first"))model.add(BatchNormalization())model.add(Conv3D(filters = 8, kernel_size=(10,3,3), padding="same", activation="relu"))model.add(BatchNormalization())model.add(MaxPool3D(pool_size=(1,2,2), strides=(1,1,1)))model.add(Conv3D(filters = 16, kernel_size=(5,5,5), padding="same", activation="relu"))model.add(BatchNormalization())model.add(Conv3D(filters = 16, kernel_size=(5,3,3), padding="same", activation="relu"))model.add(BatchNormalization())model.add(MaxPool3D(pool_size=(2,2,2), strides=(1,1,1)))model.add(Conv3D(filters = 32, kernel_size=(5,5,5), padding="same", activation="relu"))model.add(BatchNormalization())model.add(Conv3D(filters = 32, kernel_size=(3,3,3), padding="same", activation="relu"))model.add(BatchNormalization())model.add(MaxPool3D(pool_size=(2,2,2), strides=(1,1,1)))model.add(Flatten())model.add(Dropout(0.2))model.add(Dense(512, activation="relu"))model.add(Dropout(0.2))model.add(Dense(5, activation="softmax"))model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.01) , loss="sparse_categorical_crossentropy", metrics=["accuracy"])r = model.fit(train_dataset, verbose=1, validation_data=valid_dataset, epochs=50)回答：
在模型中，Tensorflow会在数据的开头添加一个维度用于迭代。因此，Input应该只获取最后四个维度。但fit需要5个维度。在使用Dataset.from_tensor_slices之后，必须使用dataset.batch，否则在拟合时会出现错误。
