Keras 稠密期望2d，但在LSTM中获得3d

在我的模型中

Xtrain shape : (62, 30, 100)
Ytrain shape : (62, 1, 100)
Xtest shape : (16, 30, 100)
Ytest shape : (16, 1, 100)

当我建立模型时

model = Sequential()
model.add(LSTM(units=100, return_sequences= True, input_shape=(x_train.shape[1],X_train.shape[2])))
model.add(LSTM(units=100, return_sequences=True))
model.add(Dense(units=100))

model.fit(x_train,y_train,epochs=5,batch_size=13)

当我尝试拟合时，它会抛出一个错误

ValueError: Error when checking target: expected dense_1 to have 2 dimensions, but got array with shape (62, 1, 100)

我需要预测所有100个功能的下一个1时间戳。

---

需要做哪些更改？

发布的代码似乎与生成错误的代码不同

打印您的

model.summary（）

。你会看到：

• LSTM 1：（无，30100）
• LSTM 2：（无，30100）
• 密度：（无，30100）

您没有使用任何方法将时间步数减少到1。根据这个模型，您的错误消息肯定是在抱怨尝试

（无，30100）

vs

（62，1100）

要消除时间步长，您需要在最后一个LSTM中使用

return\u sequences=False

，这样您的模型就变成：

• （无，30100）
• （无，100）
• （无，100）

这样，您就可以拥有

Ytrain.shape==（62100）

---

如果您真的需要中间维度==1，只需在密集后使用

Lambda（Lambda x:K.expand_dims（x，1））

如果您想单独处理每个LSTM步骤的结果（最常用的方法是在LSTM或其他RNN之后放置致密层），则需要将其包裹起来，如下所示：

model = Sequential()
model.add(LSTM(units=100, return_sequences= True, input_shape=(x_train.shape[1],X_train.shape[2])))
model.add(LSTM(units=100, return_sequences=True))
model.add(TimeDistributed(Dense(units=100)))

每个输出都将单独提供给密集层（当然，它将是同一层-所有权重将在它的每个“实例”之间共享）