Python 多维数组作为嵌入层的输入，Keras中的LSTM得到嵌入层的维数误差

我有一个多维数组X_train，形状（1000,3162）如下：

    [[[    0     0     0 ...     0     0     0]
      [    0     0     0 ...     0     0     0]
      [22175     0     0 ...     0     0     0]]

      [[    0     0     0 ...     0     0     0]
       [22175     0     0 ...     0     0     0]
       [37363 39010     0 ...     0     0     0]]

     [[22175     0     0 ...     0     0     0]
      [37363 39010     0 ...     0     0     0]
      [31559 42695     0 ...     0     0     0]]

       ...

    [[20651 31559 43650 ...     0     0     0]
     [20651 12733 40329 ...     0     0     0]
     [31559 15394 31559 ...     0     0     0]]]

      main_input = Input(shape=(162,)) # only pass in the indexes
      emb = Embedding(input_dim=3, output_dim = 162)(main_input)
      doc_output = Bidirectional(LSTM(64, return_sequences=False))(emb)
      doc_output = Dense(units=43, activation='softmax')(doc_output)
      model = Model(inputs=main_input, outputs=doc_output)
      model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
      print(model.summary())
      history=model.fit(X_train,y_train,epochs=1,batch_size=128,validation_data=(X_test, y_test))

我的模型如下所示：

    [[[    0     0     0 ...     0     0     0]
      [    0     0     0 ...     0     0     0]
      [22175     0     0 ...     0     0     0]]

      [[    0     0     0 ...     0     0     0]
       [22175     0     0 ...     0     0     0]
       [37363 39010     0 ...     0     0     0]]

     [[22175     0     0 ...     0     0     0]
      [37363 39010     0 ...     0     0     0]
      [31559 42695     0 ...     0     0     0]]

       ...

    [[20651 31559 43650 ...     0     0     0]
     [20651 12733 40329 ...     0     0     0]
     [31559 15394 31559 ...     0     0     0]]]

      main_input = Input(shape=(162,)) # only pass in the indexes
      emb = Embedding(input_dim=3, output_dim = 162)(main_input)
      doc_output = Bidirectional(LSTM(64, return_sequences=False))(emb)
      doc_output = Dense(units=43, activation='softmax')(doc_output)
      model = Model(inputs=main_input, outputs=doc_output)
      model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
      print(model.summary())
      history=model.fit(X_train,y_train,epochs=1,batch_size=128,validation_data=(X_test, y_test))

我得到了这个错误

检查输入时出错：预期输入_7有2个维度，但得到了具有形状的数组（1000,3,162）

模型的摘要在这里

---

当列车和测试数据是三维数据时，如何添加此输入数组以将其送入嵌入层？

在拟合之前，您可以共享模型摘要吗？我已在帖子中添加了摘要。根据此代码，您只希望您的输入层获得162维向量，这应该更改，这就是形状冲突的原因。你能指导我如何更改输入层形状吗？尝试将main_input=input（shape=（162，））更改为main_input=input（shape=（3162））你能在拟合之前共享模型摘要吗？我在帖子中添加了摘要。根据此代码，你只希望你的输入层得到162维向量，这应该改变，这就是形状冲突的原因。你能告诉我如何改变输入层的形状吗？试着把main_input=input（shape=（162，））改为main_input=input（shape=（3162））