我在尝试使用Timedistributed层时遇到了困难。我正在尝试创建一个非常简单的模型，该模型可以读取200 x 200像素的RGB图像上写的字符。

我不断收到以下错误，但我不知道如何解决它：

ValueError: Error when checking input: expected time_distributed_46_input to have 5 dimensions, but got array with shape (200, 200, 3)

这是我的Keras代码：

num_timesteps = len(chars) # 序列长度
img_width = 200
img_height = 200
img_channels = 3
def model():
    # 定义CNN模型
    cnn = Sequential()
    cnn.add(Conv2D(64, (3,3), activation='relu', padding='same', input_shape=(img_width,img_height,img_channels)))
    cnn.add(MaxPooling2D(pool_size=(3, 3)))
    cnn.add(Flatten())
    # 定义LSTM模型
    model = Sequential()
    model.add(TimeDistributed(cnn, input_shape=(num_timesteps, img_width,img_height,img_channels)))
    model.add(LSTM(num_timesteps))
    model.add(Dense(26))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

然后我这样拟合模型：

model().fit_generator(generator=images_generator(), steps_per_epoch=20, epochs=2)

我生成图像的方式如下：

def image_sample():
    rand_str = random_str()
    blank=Image.new("RGB", (200,200),(255,255,255))
    font = ImageFont.truetype("StatePlate.ttf", 100)
    draw = ImageDraw.Draw(blank)
    draw.text((30, 40),rand_str,(0,0,0), font=font)
    draw = ImageDraw.Draw(blank)
#     datagen = ImageDataGenerator(rotation_range=90)
#     datagen.fit(blank)
    return (np.asarray(blank), one_hot_char(rand_str))
def one_hot_char(char):
    zeros = np.zeros(len(chars))
    zeros[chars.index(char)] = 1
    return zeros
def images_generator():
    yield image_sample()

任何帮助都将不胜感激！谢谢。

回答：

目前，生成器返回的是单个图像。生成器生成的输入应该具有形状：[batch_size, num_timesteps, img_width, img_height, img_channels]。

对于这个虚拟数据的一个快速修复是将np.asarray(blank)更改为np.asarray([[blank]])。