如何调整数组结构向ConvLSTM2D输入3张图像？

1. 输入/输出数组的正确形状转换 #

ConvLSTM2D的输入格式要求为 (batch_size, time_steps, height, width, channels)，各维度含义：

• batch_size：样本总数（即你准备的「3帧输入+1帧输出」的组数）
• time_steps：输入序列的图像数量（这里固定为3）
• height/width：单张图像的尺寸（你的案例中是64x64）
• channels：图像通道数（灰度图为1）

按照你的数据准备逻辑，转换数组的代码如下：

import numpy as np

# 处理输入数据：转换为numpy数组并添加通道维度
input_d = np.array(input_d, dtype=np.float32)
# 从 (num_samples, 3, 64, 64) 变为 (num_samples, 3, 64, 64, 1)
input_d = input_d[..., np.newaxis]

# 处理输出数据：转换为numpy数组并添加通道维度
output_d = np.array(output_d, dtype=np.float32)
# 从 (num_samples, 1, 64, 64) 变为 (num_samples, 1, 64, 64, 1)
output_d = output_d[..., np.newaxis]

2. 模型输入形状的调整 #

你现有模型的input_shape=(None, 64, 64, 1)完全可用：其中None表示time_steps（序列长度）支持任意值，传入3完全适配。如果需要固定序列长度，也可以改为input_shape=(3, 64, 64, 1)，两种写法均能正常运行。

3. 额外注意事项 #

• 统一图像尺寸：在nrmlz_i函数中建议添加resize步骤，避免因原始图像尺寸不一致导致形状错误：

  def nrmlz_i(pths):
      for li in range(len(pths)):
          img = cv2.imread("timages/"+pths[li], cv2.IMREAD_GRAYSCALE)
          img = cv2.resize(img, (64, 64))  # 强制统一为64x64
          img_n = np.array(img)/255
          pths[li] = img_n
      return pths
  

• 输出形状匹配：你的模型最后一层是Conv3D，由于前面的ConvLSTM2D都设置了return_sequences=True，模型输出形状为(batch_size, time_steps, 64, 64, 1)，与转换后的output_d形状完全匹配，无需修改模型结构。

内容的提问来源于stack exchange，提问作者Павел Биза