Python 四元模型中的Keras词嵌入

我正在学习coursera神经网络课程，我正在尝试使用python+keras而不是octave通过作业

我想预测前面三个单词中的第四个单词。我的输入文档共有250个独特的单词

该模型应该有一个嵌入层，将每个单词映射到一个50维的向量空间，一个隐藏层，有200个带S形激活函数的神经元，一个250个单元的输出层，通过softmax激活，对第四个单词与我的词汇表中的单词相等的概率进行评分

我在尺寸方面有问题。这是我的密码：

    from keras.models import Sequential

    from keras.layers import Dense, Activation, Embedding


    model = Sequential([Embedding(250,50),
                Dense(200, activation='sigmoid'),
                Dense(250, activation='softmax')

    ])



    model.compile(optimizer='rmsprop',
          loss='categorical_crossentropy',
          metrics=['accuracy'])

但我从未编译过模型，因为我遇到了以下错误：

    Exception: Input 0 is incompatible with layer dense_1: expected ndim=2, found ndim=3

任何暗示都将不胜感激。提前感谢

来自

嵌入层所做的只是将整数输入映射到嵌入矩阵中相应索引处的向量，即序列[1，2]将转换为[embeddings[1]，embeddings[2]。这意味着嵌入层的输出将是形状的三维张量（样本、序列长度、嵌入维数）

嵌入层输出3维向量，而密集层需要2维向量

你可以按照链接教程和一些mods，它将适合你的问题