Python keras中LSTM模型的维数

比如，这是培训和测试数据：

X_matrix.shape = (5, 115318, 4) ; Y_matrix.shape = (5, 115318, 51)

我使用的LSTM模型是：

model = Sequential()
model.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(51, activation='softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

但是，当我运行模型时，结果是：

Dense layer expected 2 dimensions but gotten 3

---

据我所知，我不必定义输出层（密集层）的输入形状，所以为什么会发生这种情况？

问题是Y矩阵是三维的，而它应该是二维的。根据网络设置，Y矩阵应为形状（5,52）。尽管如此，您也可以将

return\u sequesnce=True

添加到

lstm

层，网络将按原样运行。另外，请注意，如果您有52个可能的类别，您的损失函数应该是

categorical\u crossentropy