Python Keras:ValueError:层顺序_1的输入0与层不兼容：预期ndim=3，发现ndim=2

我有一个数据集，它的形状是

X:（1146165,19,22）

和

Y:（1146165，）

。这是我的型号代码：

将tensorflow导入为tf
train_data=tf.data.Dataset.from_tensor_切片（（x_train，y_train））
valid_data=tf.data.Dataset.from_张量_切片（（x_有效，y_有效））
def create_模型（形状=（19,22））：
tfkl=tf.keras.layers
模型=tf.keras.Sequential([
tfkl.LSTM（128，返回序列=真，输入形状=形状），
tfkl.LSTM（64），
tfkl.辍学率（0.3），
tfkl.稠密（64，activation=“linear”），
tfkl.高密度（1）
])
编译（loss='mean\u absolute\u error'，optimizer=“adam”）
回归模型
模型=创建_模型（）
model.summary（）

如您所见，

input_shape

是

（19,22）

，这是正确的，但是当我使用

fit

时，我得到了错误

ValueError:layer sequential_15的输入0与层不兼容：预期的ndim=3，发现的ndim=2。收到完整形状：[19,22]

---

我在堆栈上搜索了一些答案，但大多数答案是因为输入维度是

（a，b）

，而不是

（a，b，c）

。非常感谢您的帮助。

如果您想使用

tf.data.Dataset

来匹配您的模型，您需要确保在

model.fit

中使用它之前对其进行批处理。对于您选择的

批量大小

，请尝试

train_data = train_data.batch(batch_size)
model.fit(train_data)