Keras LSTM 层序贯_10的输入0与层不兼容

Question

我的 LSTM 代码如下：

def myLSTM(i_shape, o_shape):
    input = keras.layers.Input(i_shape)
    model = Sequential()
    x = keras.layers.LSTM(128, return_sequences = True, input_shape = (x_train.shape[1], 1))(input)
    x = keras.layers.Dropout(0.2)(x)
    x = keras.layers.LSTM(128, return_sequences = True)(x)
    x = keras.layers.Dropout(0.2)(x)
    x = keras.layers.LSTM(64, return_sequences = True)(x)
    x = keras.layers.Dropout(0.2)(x)
    output = layers.Dense(units = 1, activation='softmax')(x)
    return Model(input, output)

my_lstm = myLSTM(x_train.shape[1:], y_train.shape[1:])
my_lstm.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['acc'])
my_lstm.summary()

我收到以下错误：

ValueError: Input 0 of layer lstm is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 20)

这个错误让我感到困惑，因为我觉得一个 3 维形状被传递到 LSTM 中，但它表明检测到一个 2 维形状。

我的数据的维度如下：x_train 形状是(207, 20)，y_train 形状是(207, 5)，x_test 形状是(24, 20)，y_test 形状是(24, 5)，

正如您在我的代码中看到的那样，我还在为分类用例运行此 LSTM。

Answer 1

正如@Andrey 提到的那样，LSTM 期望有一个 3D 形状数据[batch_size, time_steps, feature_size]

例如，如果我们为 32 个批次样本中的每一个提供 10 个时间步长中的每一个，一个 8 维向量： 输入数据形状应该类似于，

X_train = tf.random.normal([32, 10, 8])