Python 具有高层序长度的LSTM（Tensorflow和Keras）

我目前在Tensorflow和LSTM方面有一个大问题，无法找到解决方案：

我想用一个大序列长度为100的LSTM。 对于该型号，我有以下配置：

model.add(Masking(mask_value=0.0, input_shape=(1, x.shape[1])))
model.add(LSTM(10))
model.add(Dense(1))

我的输入x（有4个独立的输入变量）是一个具有特定长度和规范化值的数组。。。 各列均为独立的输入变量： 这里是前3行

array([[-0.82425835, -0.58544026,  1.51368749, -1.00692614],
       [-0.82227587, -0.58777757,  1.51125719, -1.00782088],
       [-0.82254579, -0.57388769,  1.50873596, -1.00916302],
...
       ]])

输出y，或者说应该预测的变量是另一个自变量。 现在，我有一个特定的形状/数据类型：

array([[-0.43949472],
       [-0.43949472],
       [-0.43949472],
    ...]])

到目前为止，我使用了Keras预处理功能：

dataset = keras.preprocessing.timeseries_dataset_from_array(x, y, sequence_length=1, sampling_rate=1, batch_size=128)

对于sequence_length=1，所有操作都使用fit命令运行：

history = model.fit(dataset, epochs=1000, callbacks=sel_callback)

现在我想使用LSTM，就像我认为应该使用的一样，具有更长的序列长度100。 如果我只是更改Keras预处理函数中的

sequence\u length

选项，一切都会开始，Tensorflow告诉我，我的精度很高，例如0.03，但最后的输出看起来完全错误！ 我必须以不同的方式预处理数据吗？！（对于序列长度=1，它可以正常工作…）

---

此外，如果我想添加另一个LSTM，例如：

model.add(Masking(mask_value=0.0, input_shape=(1, x.shape[1])))
model.add(LSTM(10,  return_sequences=True))
model.add(LSTM(10))
model.add(Dense(1))

然后我得到一个错误，模型根本不工作。。。当序列长度=1时，添加第二个LSTM是否有效

错误如下所示：

File "...\tensorflow\python\eager\execute.py", line 59, in quick_execute
    tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name,
tensorflow.python.framework.errors_impl.InvalidArgumentError:    Operation expected a list with 1 elements but got a list with 2 elements.
         [[{{node gradients/TensorArrayUnstack/TensorListFromTensor_grad/TensorListStack}}]]
         [[PartitionedCall]] [Op:__inference_train_function_13514]

Function call stack:
train_function -> train_function -> train_function

所以我的问题是：

• 我是否必须以高序列长度以不同方式准备数据？或者我有一个不同的问题，我还没有找到
• 为什么我不能在更改序列时添加第二层\u长度>1

非常感谢你