Python 张量流输入维数不匹配问题

我已经创建了一个LSTM-NN。我正在传递输入，但收到错误：

ValueError:层lstm的输入0与层不兼容：预期ndim=3，发现ndim=1。收到完整形状：（7，）

为了解决这个问题，我引用了一篇堆栈溢出帖子，其中提到了参数的用法：input_shape。由于缺乏理解，我仍然无法解决我的问题。请帮忙。 这是我的密码

#这是模型的定义
LSTMmodel类（tf.Module）：
定义初始化（self，arg_name=None）：
super（）。\uuuu init\uuuu（name=arg\u name）
self.\uuuu输入=tf.变量（初始值=[0代表范围（7）]）
self.\u network=tf.keras.layers.LSTM（单位=7，输入形状=（7，）
self.\uuuu输出=tf.变量（初始值=[0代表范围（7）]）
@功能
def序列（自身、参数数据序列、标签、学习率）：
将tf.GradientTape（）作为t：
self.\uuuu输入=tf.变量（初始值=[0代表范围（7）]）
自。\输出=自。\网络（自。\输入）
损失=tf.nn.sigmoid\u交叉\u熵\u与逻辑（标签=无，逻辑=无）
dw，db=t梯度（损耗，[self.w，self.b]）
自我分配（学习率*dw）
self.b.assign\u sub（学习率*db）
@功能
定义调用（self，arg\u输入=[0代表范围（7）]：
self.\uuu输入=tf.变量（arg\u输入）
自。\输出=自。\网络（自。\输入）
返回自输出

#这是我为出现问题的培训提供的输入。
#两个变量“cgm”和“labels”是长度为9222的列表。
#列表中的每个元素都是一个长度为7的列表，只填充整数。
modela=LSTMmodel（arg_name='namea'）
模型A.列车（cgm，标签，0.4）
```

LSTM将3D张量作为输入，您将传递1D张量，因此需要将其重塑为适当的形状

self.__input = tf.Variable(initial_value=[0 for x in range(7)])
self.__input_reshaped = tf.reshape(self.__input, [1, 7, 1]) # shape of (1, 7, 1)

您还需要更改LSTM的输入形状

self.__network = tf.keras.layers.LSTM(units=7, input_shape=(7,1))

然后将经过整形的输入传递到网络以获得输出

self.__output = self.__network(self.__input_reshaped)