Python Keras函数api给出错误“1”；预期ndim=3，发现ndim=4“；

我正在尝试使用构建一个多输入多输出模型，并遵循他们的代码 但我犯了一个错误：

ValueError:输入0与层lstm_54不兼容：应为 ndim=3，发现ndim=4

我在创建lstm_out层时出错，代码如下：

def build_model(self):
    main_input = Input(shape=(self.seq_len, 1), name='main_input')
    #seq_len = 50, vocab_len = 1000
    x = Embedding(output_dim=512, input_dim=self.vocab_len()+1, input_length=self.seq_len)(main_input)

    # A LSTM will transform the vector sequence into a single vector,
    # containing information about the entire sequence
    lstm_out = LSTM(50)(x)
    self.auxiliary_output = Dense(1, activation='sigmoid', name='aux_output')(lstm_out)

    auxiliary_input = Input(shape=(self.seq_len,1), name='aux_input')
    x = concatenate([lstm_out, auxiliary_input])

    # We stack a deep densely-connected network on top
    x = Dense(64, activation='relu')(x)
    x = Dense(64, activation='relu')(x)
    x = Dense(64, activation='relu')(x)

    # And finally we add the main logistic regression layer
    main_output = Dense(1, activation='sigmoid', name='main_output')(x)

    self.model = Model(inputs=[main_input, auxiliary_input], outputs=[main_output, auxiliary_output])

    print(self.model.summary())
    self.model.compile(optimizer='rmsprop', loss='binary_crossentropy',
              loss_weights=[1., 0.2])

我认为问题在于嵌入层中的input_dim，但我在文章中读到了这一点（input_dim应该等于词汇表的大小+1）

---

我不知道为什么会这样，我的输入尺寸中的确切错误是什么，以及如何解决它？

嵌入的输入形状应该是一个带有形状的2D张量：（批量大小，序列长度）。在您的代码片段中，提供了主输入，它是一个3D张量。要修复它，请更改以下行：

main_input = Input(shape=(self.seq_len, 1), name='main_input')
<...>
auxiliary_input = Input(shape=(self.seq_len,1), name='aux_input')

main\u input=input（shape=（self.seq\u len，1），name='main\u input'）
辅助输入=输入（shape=（self.seq\u len，1），name='aux\u input'）

致：

main\u input=input（shape=（self.seq\u len，），name='main\u input'）
辅助输入=输入（shape=（self.seq\u len，），name='aux\u input'）

它应该以不同的维度来解决这个问题

main_input = Input(shape=(self.seq_len, ), name='main_input')
<...>
auxiliary_input = Input(shape=(self.seq_len, ), name='aux_input')