Python Keras输入数据格式

我试图将自己的数据结构传递给Keras中的LSTM层，但模型的训练在早期就失败了

我打算创建一个固定长度的序列，并接收相同大小的输出序列。目前，顺序如下：

[0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3]

这是一个列表，然后我使用np.array（）将其转换为np数组。标签序列的构建与此类似。我总共有8000个这样的序列，它们的长度都是12

在我的Keras模型中，LSTM是第一层。这需要我将数据的输入形状传递给模型。我试过填充几种形状，但都没有用。为完整起见，以下是我的模型的前两行：

model = Sequential()
model.add(LSTM(100, input_shape=(8000, 12)))
model.add(Dense(nb_classes))
model.add(Activation('softmax'))

在训练期间，我遇到了一些麻烦，我碰到了一个职位。这似乎和我想做的很相似。我已经尝试过提供的解决方案，但不知何故，配件仍然崩溃。我得到以下错误：

ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (8000, 12)

有什么想法吗

更新： 对于Parthosarathi Mukherjee，我添加了网络的其余部分

model.add(LSTM(100, input_shape(8000, 12)))

改用

model.add(LSTM(100, input_shape(12,1)))

---

确保在fit之前，您的输入数据具有shape8000 x 12 x 1和not8000 x 12

谢谢您的快速回复！如果我这样做，我仍然会得到一个错误：ValueError:检查目标时出错：预期激活_1具有形状（无，1），但获得具有形状的数组（96000，2）。请在创建网络的位置发布更多代码。我不确定

激活\u 1

从哪里来。我已经添加了模型的其余部分。在我看来，您的网络在每个时间步都需要一个值，因此您应该准备8000 x 12 x1的输入数组。标签序列也应相同。也许是96000 x 2。如果您想要相同大小的输出序列，那么最后一层应该是

TimeDistributed（密集（1，activation='sigmoid'））

。此外，您的LSTM层必须有一个参数，说明

return\u sequences=True

。这似乎不是分类问题，因此您不需要

softmax