Python 检查输入时出错：预期lstm_输入有3个维度，但得到了形状为（4，1）的数组

首先，我知道有很多类似的问题；我试着按照答案的建议去做，但似乎我不知道如何解决它。我有一个

Keras函数API模型

：

lstm_input = keras.layers.Input(shape=(1,4), name='lstm_input')
x = keras.layers.LSTM(50, name='lstm_0')(lstm_input)
x = keras.layers.Dropout(0.2, name='lstm_dropout_0')(x)
x = keras.layers.Dense(64, name='dense_0')(x)
x = keras.layers.Activation('sigmoid', name='sigmoid_0')(x)
x = keras.layers.Dense(1, name='dense_1')(x)
output = keras.layers.Activation('linear', name='linear_output')(x)
model = keras.Model(inputs=lstm_input, outputs=output)

adam = keras.optimizers.Adam(lr=0.0005)
model.compile(optimizer=adam, loss='mse')

当我尝试拟合它时，它跳过了这个错误：

ValueError: Error when checking input: expected lstm_input to have 3 dimensions, but got array with shape (4, 1)

这是我对

fit

的呼叫：

model.fit(X_aux['X_i'], X[i+1, 0])
# X_aux['X_i'].shape = (4, ) -- it's a numpy array

---

我尝试了

np.重塑（[X_aux['X_i1']]，（4,1））

，它的新形状是

（4,1）

，但它不起作用。如何解决此问题？

请确保您输入的X_aux['X-I']的形状是三维的

任何基于RNN的层的输入必须是三维的，其中每个轴分别对应于

批次大小

，

时间步长

，以及

特征尺寸

重塑为

（4，1）

没有帮助的原因是重塑后的张量仍然是二维的。你需要3个

---

确保正确定义

批量大小

、

时间步长

和

特征尺寸

，并重新塑造X辅助['X-i']形状，然后重新训练模型。

这是否回答了您的问题？