Python 检查输入时出错：预期输入_39有2个维度，但得到了形状为（100、50、780）的数组

我试图在我的编码器-解码器上嵌入一个单词，但似乎存在一些维度问题

encoder_inputs = Input(shape=(None,))
x = Embedding(nEncoderToken, embedding_dim, weights=[encoder_embedding_matrix])(encoder_inputs)
x, state_h, state_c = LSTM(embedding_dim, return_state=True)(x)
encoder_states = [state_h, state_c]

decoder_inputs = Input(shape=(None,))
y = Embedding(nDecoderToken, embedding_dim, weights=[decoder_embedding_matrix], input_length=max_len)(decoder_inputs)
y = LSTM(embedding_dim, return_sequences=True)(decoder, initial_state=encoder_states)
decoder_outputs = Dense(nDecoderToken, activation='softmax')(x)

model = Model([encoder_inputs, decoder_inputs], decoder_outputs)

到目前为止，没有错误。模型概要如下所示

Model: "model_17"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_39 (InputLayer)           (None, None)         0                                            
__________________________________________________________________________________________________
input_40 (InputLayer)           (None, None)         0                                            
__________________________________________________________________________________________________
embedding_41 (Embedding)        (None, None, 300)    234000      input_39[0][0]                   
__________________________________________________________________________________________________
embedding_42 (Embedding)        (None, 50, 300)      239100      input_40[0][0]                   
__________________________________________________________________________________________________
lstm_33 (LSTM)                  [(None, 300), (None, 721200      embedding_41[0][0]               
__________________________________________________________________________________________________
lstm_34 (LSTM)                  (None, 50, 300)      721200      embedding_42[0][0]               
                                                                 lstm_33[0][1]                    
                                                                 lstm_33[0][2]                    
__________________________________________________________________________________________________
dense_17 (Dense)                (None, 50, 797)      239897      lstm_34[0][0]                    
==================================================================================================
Total params: 2,155,397
Trainable params: 2,155,397
Non-trainable params: 0
__________________________________________________________________________________________________

但是当我试着去适应这个模型的时候

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit([trainInputEncoded, trainInputDecoded], trainTargetDecoded, epochs=100)

检查输入时我得到错误：预期输入\u 39有2个维度，但得到了形状为（100、50、780）的数组

---

我一整天都在试着改变事情，但一事无成。我能做的唯一方法是，如果我输入（shape=（None，nEncoderToken））并删除嵌入层。

不要删除嵌入层，使用Input（shape=（None，nEncoderToken）），那么会出现什么错误？

Input 39与层lstm\u 33不兼容：预期ndim=3，找到ndim=4

这是因为您在shape参数中给出了batch_size=None。因此，将其更改为输入（shape=（，））或输入（batch_shape=（None，）

Input（shape=（，）

）是无效的语法。和

Input（batch_shape=（None，）

导致相同的错误=/trainInputEncoded的形状是什么？不要删除嵌入层，使用Input（shape=（None，nEncoderToken）），那么您得到了什么错误？

Input 39与层lstm\u 33不兼容：预期的ndim=3，找到ndim=4

这是因为您在shape参数中给出了batch_size=None。因此，将其更改为输入（shape=（，））或输入（batch_shape=（None，）

Input（shape=（，）

）是无效的语法。和

Input（批处理形状=（无，）

导致相同的错误=/trainpuntencoded的形状是什么？