Python 如何解决LSTM中关闭返回序列后的尺寸问题？

我是Keras的初学者，希望修改此代码。但是，我得到了一个关于输出维度的错误

这是工作正常的代码的一部分：

model.add(LSTM(64,return_sequences=True,input_shape=(tr_in.shape[1],tr_in.shape[2])))
model.add(Dense(1, activation='linear'))

model.compile(loss='mse', optimizer='adam')
model.fit(tr_in, tr_out,validation_data=(val_in, val_out))

培训和验证输入和输出矩阵为3D。 我想关闭“返回序列”。但我得到一个错误如下：

ValueError:检查目标时出错：预期密集_3有2个 维度，但得到了形状为（100,16,1）的数组

---

我相信，当您将return_序列从True更改为False时，您正在将LSTM层的输出减少为二维-尤其是在处理所有时间步结束时只有一个输出。由于“目标”数据（tr_out）是3D的，因此这与拟合所期望的结果相冲突。我相信return_sequences=True每个时间步输出一个结果，在您的示例中，每个样本有16个时间步。我认为当return\u sequences=False时，您需要使tr\u out维度匹配（变成2D）。我希望这会有所帮助。

我可能有点误解，但您可能会使用常规python/numpy处理创建一个子集，如：y_train\u sub=np.squence（y_train[：，-1，：]）或类似的东西，具体取决于y目标数据的含义。我希望这有帮助。