为什么在 tensorflow 中，Conv2D 的输入通道限制为 1,3,4，张量维度限制为 4-D？

Question

我正在尝试将形状(n_samples,n_channels,height,width)的数据传递给我的 model，其中将 Conv2D 作为其第一层。 这里n_channels的长度为 128（基本上，我试图将不同的时间样本传递到不同的通道），所以长度也可以 go 向上或向下。 当我尝试将张量简单地作为输入传递时，它抱怨说：

InvalidArgumentError: Tensor must be 4-D with last dim 1, 3, or 4, not [60,128,9,9,1]

我试图将形状更改为[60,9,9,128]之类的东西，但它给出了同样的错误

我试图通过网络一次传递一堆图像。 我认为将它们集中在通道上会很聪明（因为隐藏的卷积层可以接受多通道输入）。 但是，不知何故，第一个 conv 层似乎无法接受这种张量形状。

我不明白，为什么在 tensorflow 中做出这样的安排，只能通过 1,3 或 4 个通道，以及如何解决它。

PS：自从 tensorflow 2.2 发布以来，我使用 tensorflow.compat.v1 来完成我的任务。

Answer 1

我不确定tensorflow，但是在Pytorch中，可以使用.squeeze()之类的东西来消除最后一个维度，大小会变成[60,128,9,9]，那么应该不错。