Python Keras序列模型数据准备：单行观测

我的数据是一个400k观测值的矩阵，其中每个观测值是一行数据，长度为200个元素。我的输出数据是400k 1-hot向量，对应11个输出类。我想格式化keras序列模型的数据。（Keras2.0.4，Python 3）

尝试1：

model = Sequential()
model.add(LSTM(100, input_shape = (200,), return_sequences=True))
model.add(Dense(output_dim=11, input_dim=100, activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='rmsprop',metrics=['accuracy'])
model.fit(train_values, train_labels, batch_size=200, epochs=10)
score = model.evaluate(test_values, test_labels, batch_size=200)

错误1：

    ----> 3 model.add(LSTM(100, input_shape = (200,), return_sequences=True))

ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=2

尝试2：

model = Sequential()
model.add(Embedding(400000,200))
model.add(LSTM(100, input_shape = (200,), return_sequences=True))
model.add(Dense(output_dim=11, input_dim=100, activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='rmsprop',metrics=['accuracy'])
model.fit(train_values, train_labels, batch_size=200, epochs=10)
score = model.evaluate(test_values, test_labels, batch_size=200)

错误2：

----> 7 model.fit(train_values, train_labels, batch_size=200, epochs=10)
ValueError: Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (400000, 11)

---

结论：是我的输入格式错误、层调用错误，还是我完全不知道的其他错误？

找到了一个有效的解决方案：model=Sequential（）model.add（embedded（200，output_dim=200））model.add（LSTM（100））model.add（Dense（num_output_bucket，activation='softmax'））model.compile（optimizer='rmsprop'，loss='classifical_crossentropy'，metrics=['accurity']）找到了一个有效的解决方案：model=Sequential（）model.add（嵌入（200，输出（dim=200））model.add（LSTM（100））model.add（密集（num_输出（bucket，activation='softmax'））model.compile（优化器='rmsprop'，loss='classifical_crossentropy'，度量=['accurity']）

----> 7 model.fit(train_values, train_labels, batch_size=200, epochs=10)
ValueError: Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (400000, 11)