我正在尝试使用LSTM训练一个简单的多对一RNN分类器。我的时间步长为100个数据点，每个数据点有7个特征，总共有192382个样本。以下是我的模型：

model = Sequential()model.add(LSTM(50,input_shape = (100,7),name = 'LSTM',return_sequences=False))model.add(Dropout(0.2))model.add(Dense(3, activation='softmax',name = 'softmax_layer'))model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'],name='softmax')model.fit(datax,datay,epochs=25,batch_size=128)model.summary()

模型编译时没有错误，但无法进行训练。以下是返回的错误信息：

ValueError: Error when checking target: expected softmax_layer to have shape (None, 3) but got array with shape (192282, 100)

为什么softmax层返回一个(192282, 100)的矩阵？LSTM层中的return_sequence=False不是应该每个时间步只给我一个输出吗？

回答：

实际上，softmax_layer返回的是(None, 3)，因为最后一层的尺寸是3。

你可能需要修复这个问题。为了修复它，你需要确保输出层（softmax_layer）的尺寸与你的标签数组（datay.shape[1]）的尺寸相等。换句话说，它必须等于类别的数量。

快速修复方法是：

model = Sequential()model.add(LSTM(50,input_shape = (100,7),name = 'LSTM',return_sequences=False))model.add(Dropout(0.2))model.add(Dense(datay.shape[1], activation='softmax',name = 'softmax_layer'))model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'],name='softmax')model.fit(datax,datay,epochs=25,batch_size=128)model.summary()