Python Can'；t获取多元LSTM的正确输入维度

我正在尝试使用LSTM为时间序列预测问题训练一个递归神经网络，但是我在获得正确的输入维度时遇到了困难

数据是大约50家商店和数千件商品的每月商店销售额。目标是每个商品/商店组合的月销售额，没有延迟。训练集是前4个时间步。最后是验证。（原始数据集为31个月）

我认为我的输入数据是正确的（示例、时间步、功能），我目前的目标是（示例、时间步），但我不确定。我的想法是 如果有人看到我收到的错误信息并给出建议，我将不胜感激

data = data.reshape(521398,4,28)
#targets = targets.reshape(521398,4,1)


xt = data[:,:4,:]
xv = data[:,4:,:]
yt = targets[:,:4]
yv = targets[:,4:]

print(data.shape, targets.shape)

（521398,4,28）（521398,4）

这会引发错误：

ValueError回溯（最近一次调用上次） 在（） ---->1历史=model.fit（xt，yt，批次大小=4096，年代=20，验证数据=（xv，yv））

2帧 /usr/local/lib/python3.6/dist-packages/keras/engine/training\u utils.py标准化输入数据（数据、名称、形状、检查批处理轴、异常前缀） 139'：预期“+名称[i]+”具有形状”+ 140 str（shape）+“但是得到了具有shape的数组”+ -->141 str（数据_形）） 142返回数据 143

ValueError：检查输入时出错：预期lstm_1_输入具有形状（4,28），但获得具有形状（0,28）的数组

---

我认为检查

xv

数组的形状会有帮助。

数据

数组的形状是

（521398,4,28）

，但在后面的部分中，您试图分配

xv=data[：，4:，：]

，如果我没有弄错的话，这可能会导致

xv

@ManikTharaka的数组为空。非常感谢，我不相信这就是问题所在

import tensorflow as tf 
from keras.models import Sequential
from keras.layers import LSTM,Dense,Dropout
from keras import models
from keras import layers

model = Sequential()

model.add(LSTM(256, activation = 'relu', input_shape = (4,28)))
model.add(Dropout(0.4))
model.add(Dense(4,))

model.compile(loss = 'mse', optimizer = 'adam', accuracy = 'mae')

history = model.fit(xt,yt,batch_size = 4096, epochs = 20,validation_data = (xv, yv))