Keras：随时间的分类

我试图对系统的状态进行分类

我有100个训练样本，包含超过1218个时间步33个输入参数

所以我有X_train.shape=[1001218133]

使用深度学习lib库预测输出y＝0或1。

model = Sequential()
model.add(LSTM(4, input_shape=(1218 , 33), return_sequences=True))
model.add(TimeDistributed(Dense(1, activation = 'softmax')))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

不幸的是，我有以下错误，我不知道如何解决：

ValueError：检查目标时出错：预期时间\u分布\u 3为3维，但得到了形状为（100，1）的数组

有人知道如何解决这个问题吗

---

注意。

您提供的模型期望序列的每个时间步都有一个目标。如果整个序列只有一个目标（并且错误消息中目标的形状表明这一点），则需要通过以下方式修改模型：将

return\u sequences

设置为

false

并移除

TimeDistributed

包装器：

model = Sequential()
model.add(LSTM(4, input_shape=(1218 , 33), return_sequences=False))
model.add(Dense(1, activation = 'softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

---

您是否对每个时间步都有一个目标值，或者对整个序列只有一个目标值？谢谢您的回答。我觉得我很累，因为我没有注意到错误是关于目标的，而不是关于输入的。我明天试试。