Python 使用reccurent层运行ANN时出错

我已经创建了下面的ANN，有两个完全连接的层和一个循环层。但是在运行它时，我得到一个错误：

异常：输入0与层lstm_11不兼容：预期ndim=3，发现ndim=2

为什么会发生这种情况

from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import train_test_split
import numpy
from sklearn.preprocessing import StandardScaler
from keras.layers import LSTM 




seed = 7
numpy.random.seed(seed)

dataset = numpy.loadtxt("sorted_output.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:15]
scaler = StandardScaler(copy=True, with_mean=True, with_std=True ) #data normalization
X = scaler.fit_transform(X) #data normalization
Y = dataset[:,15]
# split into 67% for train and 33% for test
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=seed)
# create model
model = Sequential()
model.add(Dense(12, input_dim=15, init='uniform', activation='relu'))
model.add(LSTM(10, return_sequences=True))
model.add(Dense(15, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X_train, y_train, validation_data=(X_test,y_test), nb_epoch=150, batch_size=10)

---

基于上述情况，所有层都是LSTM中的“密集”层，您返回的序列为true。。您应该将return_sequences设置为False，因为所有密集层都是这样，所以它应该可以工作

此错误的原因是

LSTM

希望输入具有3个维度的形状（对于批次、序列长度和输入维度）。但在输出2维形状（用于批处理和输出维）之前的

密集层

通过执行以下代码行，您可以看到

密集

层的输出形状

>>> model = Sequential()
>>> model.add(Dense(12, input_dim=15, init='uniform', activation='relu'))
>>> model.summary()
____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to                     
====================================================================================================
dense_4 (Dense)                  (None, 12)            192         dense_input_2[0][0]              
====================================================================================================
Total params: 192
Trainable params: 192
Non-trainable params: 0
____________________________________________________________________________________________________

但是，您没有用模型解释您的意图，因此我无法就此问题向您提供进一步的指导。你的输入数据是什么？您希望输入是一个序列吗

如果您的输入是一个序列，那么我建议您删除第一个

densed

层。但是如果您的输入不是序列，那么我建议您删除

LSTM

层