Python Keras ValueError:登录和标签必须具有相同的形状（（无，32，17）与（无，17））

我正在培训一个多标签分类器（IAM数据集上的手写数字识别器）

以下是我的所有拆分的形状：

>>> X_train.shape, X_val.shape, X_test.shape, Y_train.shape, Y_val.shape,  Y_test.shape
((86583, 32, 128, 1),
 (4558, 32, 128, 1),
 (4797, 32, 128, 1),
 (86583, 17),
 (4558, 17),
 (4797, 17))

以下是目标变量的5个示例：

>>> Y_val[5:10]
array([[68, 59,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
         0],
       [28, 67, 57,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
         0],
       [42, 59, 59, 62, 56, 58,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
         0],
       [73, 61, 58,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
         0],
       [73, 61, 54, 73,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
         0]], dtype=int32)

（在上面的数组中，每个数字对应于字符和字母表列表中的索引。所有目标向量都填充了零，以匹配最大目标字的大小。）

我在输出层使用“sigmoid”激活，有17个单元，每个单元对应一个可能的输出字符/字母，如下所示

from tensorflow.keras import layers
     .
     .
layers.Dense(units=17, activation='sigmoid', kernel_initializer='he_uniform', kernel_regularizer='l2')

以“二进制交叉熵”作为损失，用于我的多标签分类问题

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['categorical_accuracy'])

这是我的错误：

编辑1:
我的模型的体系结构：

---

从第二个LSTM层中删除

return\u sequences=True

，这样就可以了

你的错误可能来自模型的另一部分，你能完整地显示它吗？你想看我模型的架构吗？是的，请分析它我已经添加了它。查看代码会更简单，但是问题来自第二个LSTM层，您是否设置了

return\u sequences=True

？