Keras LSTM 層序貫_10的輸入0與層不兼容

Question

我的 LSTM 代碼如下：

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()

我收到以下錯誤：

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

這個錯誤讓我感到困惑，因為我覺得一個 3 維形狀被傳遞到 LSTM 中，但它表明檢測到一個 2 維形狀。

我的數據的維度如下：x_train 形狀是(207, 20)，y_train 形狀是(207, 5)，x_test 形狀是(24, 20)，y_test 形狀是(24, 5)，

正如您在我的代碼中看到的那樣，我還在為分類用例運行此 LSTM。

Answer 1

正如@Andrey 提到的那樣，LSTM 期望有一個 3D 形狀數據[batch_size, time_steps, feature_size]

例如，如果我們為 32 個批次樣本中的每一個提供 10 個時間步長中的每一個，一個 8 維向量： 輸入數據形狀應該類似於，

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