Python 层gru的输入0与层不兼容：预期ndim=3，发现ndim=2

我正在使用TF2.5，我会准时地按照教程上的内容来学习，只是为了获得一些自信

但我不明白为什么在建立模型后，我在维度上会出现不一致；它需要一个三维层，但只接收两个

ValueError: Input 0 of layer gru is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (64, 100)

同时，即使使用他们自己的数据集，在教程中也没有发现这个问题，这让我感到困惑

然后我尝试了各种组合，甚至在数据集中生成了一个虚拟维度，但没有得到期望的结果

我知道问题应该出在数据集的构造上，因为：

<PrefetchDataset shapes: ((64, 100), (64, 100)), types: (tf.int64, tf.int64)>

---

你说的

self.embedding=GRU（…）

可能是在学习教程时输入的错误。嵌入+GRU应该适合这种形状。

BATCH_SIZE = 64
BUFFER_SIZE = 10000

dataset = (dataset
           .shuffle(BUFFER_SIZE)
           .batch(BATCH_SIZE, drop_remainder=True)
           .prefetch(tf.data.experimental.AUTOTUNE))

vocab_size = len(vocab)
embedding_dim = 256
rnn_units = 1024


class MyModel(tf.keras.Model):
    def __init__(self, vocab_size, embedding_dim, rnn_units):
        super().__init__(self)
        self.embedding = tf.keras.layers.GRU(rnn_units, return_sequences=True, return_state=True)
        self.dense = tf.keras.layers.Dense(vocab_size)
        
    def call(self, inputs, states=None, return_state=False, training=False):
        x = inputs
        x = self.embedding(x, training=training)
        if states is None:
            states = self.gru.get_initial_state(x)
        x = self.dense(x, training=training)
        
        if return_state:
            return x, states
        else:
            return x

model = MyModel(vocab_size=len(ids_from_chars.get_vocabulary()), embedding_dim=embedding_dim, rnn_units=rnn_units)

for input_example_batch, target_example_batch in dataset.take(1):
    example_batch_predictions = model(input_example_batch)
    print (example_batch_predictions.shape, "# (batch_size, sequence_length, vocab_size)")