Python `TimeDistributed`层应传递一个至少具有3维的'input_shape'，接收：[None，400]

我试图合并CNN和LSTM进行文本分类，但得到了时间分布层的维度错误。我的训练数据的输入形状是

（11800400）

，测试数据的输入形状是

（2951,2）

。代码正在通过ValueError:

TimeDistributed

层应传递一个至少具有3个维度的

input\u shape

，收到：[None，400]

以下是我的代码片段：

n_timesteps, n_features, n_outputs = X_train.shape[0], X_train.shape[1], 2
print(X_train.shape[0],  X_train.shape[1])
print(Y_test.shape)
model = Sequential()
# define CNN model
model.add(TimeDistributed(Conv1D(128, kernel_size=3, activation='relu',input_shape=(n_timesteps,n_features,n_outputs))))
model.add(TimeDistributed(GlobalMaxPooling1D()))
model.add(TimeDistributed(Flatten()))
# define LSTM model
model.add(LSTM(64, return_sequences=True))
model.add(Dense(2))

model.compile('adam', 'binary_crossentropy', metrics=['accuracy'])

print('Train...')

historyCNN = model.fit(X_train, Y_train,
            batch_size=32,
            epochs=10,
            validation_split=0.2)

---

请说明如何缓解

TimeDistribution

层的此维度问题，以便进一步传输到

LSTM

层。

根据TimeDistributed层参考，您应提供[batch，timesteps，[data]]形状以供输入。在您的情况下，如果您有一个批次，那么它应该是（11800400）

我已经通过使用

X=X\u序列以这种方式（11800400,1）重塑我的数据解决了问题。重塑（len（X\u序列），400,1）