将3D数组输入序列模型Keras（Python）

我有3个维度（8,50,3）的培训输入。 我试图将其作为输入传递给Keras中的顺序模型。查阅文档后，我发现这应该是可行的：

model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(50,3)))
model.add(Dense(100,init="uniform", activation='sigmoid'))
model.add(Dense(50,init="uniform", activation='relu'))
model.add(Dense(output_dim=1))
model.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy'])

当我尝试训练这个模型时：

model.fit(train,labelTrain,epochs=1,batch_size=1,verbose=1)

我得到以下错误：

Error when checking model target: expected dense_148 to have 3 dimensions, but got array with shape (8, 1)

这意味着什么

---

此外，我的第一个目标是通过一个三维阵列，其中的中间维度没有固定的大小，但我放弃了，因为我发现这是不可能的。它能工作吗

目标

表示这是预期结果。问题出在

labelTrain

，而不是输入中

致密的层必须有许多神经元。你不传递一个输出形状，你传递神经元的数量，输出是自动的（无，神经元）

最后一层应该是：

model.add(Dense(1, activation='I recomend an activation here'))