如何将LSTM应用于临时数据以进行像素选择？

Question

随着时间的流逝，我有一组二进制图像，分辨率为2200 x 1000像素。 15个临时图像。我将图像分成100 x 100像素的贴片，并获得输入形状x_train =（220、15、100、100、1）。 作为掩码，有一个二进制文件，分辨率为2200 x 1000，其中白色是稳定的像素，而黑色则不稳定。

要输入LSTM层，我使用input_shape =（15，100*100）和y_train =（220，15，1000）。

我的模型：

model = Sequential()
model.add(LSTM(16, activation='relu', input_shape = (15, 100*100), return_sequences=True))
model.add(BatchNormalization())
model.add(Dense(10000, activation='relu'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()
history = model.fit(X_train, Y_train, epochs=5, batch_size=128, validation_split=0.1, verbose=2)

以及结果：

Epoch 1/5
1/1 - 1s - loss: nan - val_loss: nan - val_accuracy: 1.0000 - accuracy: 1.0000
Epoch 2/5
1/1 - 0s - loss: nan - val_loss: nan - val_accuracy: 1.0000 - accuracy: 1.0000
Epoch 3/5
1/1 - 0s - loss: nan - val_loss: nan - val_accuracy: 1.0000 - accuracy: 1.0000
Epoch 4/5
1/1 - 0s - loss: nan - val_loss: nan - val_accuracy: 1.0000 - accuracy: 1.0000
Epoch 5/5
1/1 - 0s - loss: nan - val_loss: nan - val_accuracy: 1.0000 - accuracy: 1.0000

如何正确提交输入数据（x_train和y_train）并在这种情况下训练模型？ 如何将数据标签（220、15、10000）放入（220、15、2），其中2个是两个类，该模型会正确读取它吗？