Python 3.x 如何解决“登录和标签必须具有相同的第一维度”错误

我正在为基于单词的NLP尝试不同的神经网络结构

到目前为止，在本教程的指导下，我使用了双向、嵌入式和GRU模型：并且一切都很好。 然而，当我尝试使用LSTM时，我得到一个错误，即：

logits和标签必须具有相同的第一个维度，即got logits形状[32186]和标签形状[4704]

我怎样才能解决这个问题

我的源和目标数据集由7200个示例句子组成。它们是整数标记化和嵌入的。源数据集经过后期填充以匹配目标数据集的长度

以下是我的模型和相关代码：

lstm_模型=顺序 lstm_model.addEmbeddingsrc_vocab_size，128，输入长度=X.shape[1]，输入形状=X.shape[1:] lstm_model.addLSTM128，返回_序列=False，辍学=0.1，重复性_辍学=0.1 lstm_model.addDense128，activation='relu' lstm_模型。添加辍学0.5 lstm_model.addDensetarget_vocab_size，activation='softmax' lstm\u model.compileoptimizer=Adam0.002，loss='sparse\u categorical\u crossentropy'，metrics=['accurity'] history=lstm\u model.fitX，Y，batch\u size=32，callbacks=CALLBACK，epochs=100，validation\u split=0.25在此行引发错误！ 使用以下形状：

X.shape=7200147 Y形=7200147,1 src_vocab_size=188 目标声音大小=186 我已经在这里看到了类似的问题，并尝试添加一个重塑层

simple_lstm_model.addReformate-1， 但这只会导致以下错误：

TypeError:_uuint_uu返回非int类型NoneType

这真的很奇怪，因为我对所有模型都以相同的方式预处理数据集，除了上面提到的以外，它工作得很好。

在调用LSTM构造函数时，应该有return\u sequences=True和return\u state=False

在代码段中，LSTM只返回其最后一个状态，而不是每个输入嵌入的状态序列。理论上，您可以从错误消息中发现它：

logits和标签必须具有相同的第一个维度，即got logits形状[32186]和标签形状[4704]

logit应该是三维的：批量大小×序列长度×类数。序列的长度是147，实际上是32×147=4704个标签。这本可以告诉你序列的长度消失了