Python 如何在Keras中为Bi LSTM准备2D形状

我有一个已经压缩的单词向量的2D numpy矩阵（来自数据帧）（我使用了最大池技术，试图将logres与bi LSTM方法进行比较），我不知道如何准备它以便在keras模型中使用

我知道Bi LSTM模型需要一个3D张量，并尝试过谷歌搜索解决方案，但找不到有效的解决方案

这就是我现在拥有的：

#设置模型参数
纪元=4
批量大小=32
输入_形状=（1，10235，3072）
#创建模型
模型=顺序（）
添加（双向（LSTM（64，返回序列=真，输入形状=输入形状）））
模型。添加（辍学率（0.5））
add（密集（1，激活='sigmoid'））
#尝试使用不同的优化器和不同的优化器配置
compile（'adam'，'binary\u crossentropy'，metrics=['accurity']）
#在模型上安装培训集，并在验证集上进行更正
模型拟合（输入['X_序列]、输入['y_序列]，
批次大小=批次大小，
时代，
验证数据=[输入['X\u验证']，输入['y\u验证']]
#通过测试集获得分数
返回模型。评估（输入['X_测试]]，输入['y_测试]）

我当前遇到以下错误：

ValueError: Input 0 is incompatible with layer bidirectional_23: expected ndim=3, found ndim=2

我的训练数据（

输入['X_train']

）的形状是

（102353072）

---

非常感谢

我通过以下方式使其与回复的建议配合使用：

删除

return_sequence=True

将以下转换应用于X集：

np.reforme（输入[dataset]，（输入[dataset].shape[0]，输入[dataset].shape[1]，1））

将LSTM层的输入形状更改为

（102353072，1）

，这是

X\u列的形状
使用输入['X_test'].应用（lambda X:np.重塑（X，（1,10235,3072））@BenjaminBreton感谢您的快速回复！我试过了，但现在我遇到了以下错误：
ValueError:checking target时出错：期望稠密的\u 29有3维，但得到了形状为（10235，1）的数组。
除非您想预测每个序列元素的一个值，否则不应该返回\u sequence=True，在这种情况下，稠密应该是时间分布的