Python 3.x Tensorflow Keras-叠加LSTM层时出错

我有下面的层序列。在混合中添加额外的LSTM会产生以下错误，我无法真正理解

我正在Linux Ubuntu x64上使用python 3.7.3
GCC 7.4.0
tensorflow gpu='2.0.0'

print（x_train_uni.shape）#（299980,20,1）
简单模型=tf.keras.models.Sequential([
tf.keras.layers.LSTM（128，输入形状=x火车形状[-2:]），
tf.keras.layers.LSTM（64），
tf.keras.layers.LSTM（32），
tf.keras.层压降（0.25），
tf.keras.layers.LSTM（16），
tf.keras.layers.LSTM（8），
tf.keras.layers.Dense（1，活化='tanh'）
])
简单的lstm模型。编译（优化器='adam'，loss='mae'）

这将产生：

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
6 tf.keras.layers.LSTM（16），
7 tf.keras.layers.LSTM（8），
---->8 tf.keras.层。致密（1，活化='tanh'）
9 ])
10
~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/training/tracking/base.py in\u method\u wrapper（self，*args，**kwargs）
455 self._self_setattr_tracking=False#pylint:disable=protected access
456试试：
-->457结果=方法（自身、*args、**kwargs）
458最后：
459 self._self_setattr_tracking=上一个值#pylint:disable=受保护访问
~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/keras/engine/sequential.py in\uuuuuuu init\uuuuu（self，layers，name）
112 tf_utils.assert_no_legacy_层（层）
113对于分层：
-->114自添加（层）
115
116@property
~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/training/tracking/base.py in\u method\u wrapper（self，*args，**kwargs）
455 self._self_setattr_tracking=False#pylint:disable=protected access
456试试：
-->457结果=方法（自身、*args、**kwargs）
458最后：
459 self._self_setattr_tracking=上一个值#pylint:disable=受保护访问
添加中的~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/keras/engine/sequential.py（self，layer）
194#如果模型持续构建在输入层之上：
195#刷新其输出。
-->196输出张量=层（自输出[0]）
197如果len（嵌套展平（输出张量））！=1:
198 raise TypeError（'序列模型中的所有层'
~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/keras/layers/recurrent.py in\uuuuuuuuu调用（self、输入、初始状态、常量、**kwargs）
621
622如果初始_状态为无且常数为无：
-->623返回超级（RNN，自我）。\调用（输入，**kwargs）
624
625#如果指定了`初始状态'或`常数'中的任何一个且为Keras
~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/keras/engine/base\u layer.py in\uuuu调用（self，input，*args，**kwargs）
810#是铸造的，而不是之前。
811输入规格。断言输入规格兼容性（自输入规格，输入，
-->812（姓名）
813 graph=backend.get_graph（）
814带有graph.as_default（）、backend.name_scope（self._name_scope（））：
断言输入兼容性中的~/.pyenv/versions/3.7.3/lib/python3.7/site-packages/tensorflow\u core/python/keras/engine/input\u spec.py（输入规范、输入、层名称）
175'预期的ndim='+str（spec.ndim）+'，找到的ndim='+
176 str（ndim）+'。收到完整形状：'+
-->177 str（x.shape.as_list（））
178如果spec.max\u ndim不是无：
179 ndim=x.shape.ndims
ValueError:层lstm_19的输入0与层不兼容：预期ndim=3，发现ndim=2。收到完整形状：[无，128]

然而，如果我像这样改变模型，它实际上是有效的

simple_lstm_model = tf.keras.models.Sequential([
    tf.keras.layers.LSTM(128, input_shape=x_train_uni.shape[-2:]),
#     tf.keras.layers.LSTM(64),
#     tf.keras.layers.LSTM(32),
#     tf.keras.layers.Dropout(0.25),
#     tf.keras.layers.LSTM(16),  
#     tf.keras.layers.LSTM(8),
    tf.keras.layers.Dense(1, activation='tanh')
])

simple_lstm_model.compile(optimizer='adam', loss='mae')

---

我错过了什么？为什么两个或多个LSTM层不能一个叠在另一个上？

LSTM层需要作为输入序列。但是，Keras中的默认设置是返回最终标量

因此，在所提出的体系结构中，第二个LSTM使用标量而不是所需的序列进行馈送

解决方案是使用

return\u sequences=True

标志（请参阅）：

将tensorflow导入为tf
x_列_uni=tf.零（（100,20,1））
简单模型=tf.keras.models.Sequential([
tf.keras.layers.LSTM（128，输入_形状=x_序列_单一形状[-2:]，返回_序列=True），
tf.keras.layers.LSTM（64，返回序列=True），
tf.keras.layers.LSTM（32，返回序列=True），
tf.keras.层压降（0.25），
tf.keras.layers.LSTM（16，返回序列=真），
tf.keras.layers.LSTM（8），
tf.keras.layers.Dense（1，活化='tanh'）
])
简单的lstm模型。编译（优化器='adam'，loss='mae'）