背景
有两个字符列表。一个列表包含钢琴音符，另一个列表包含弦乐音符。想法是训练模型根据钢琴音符来预测弦乐音符。这样它可以生成与钢琴相匹配的弦乐旋律。为了使其更加流畅，它不仅应考虑当前的钢琴音符，还应考虑之前的音符。
数据
我已经创建了一个包含超过100首歌曲的数据集（并且还在选择新的歌曲）。目前，钢琴和弦乐列表的总音符数为48523。钢琴音符的词汇量为447，弦乐音符的词汇量为261
len(set(piano_notes)) #447len(set(string_notes)) #261所有音符都是独热编码，序列长度为100。两个列表的形状如下：
print(x.shape) #(48523, 100, 447)print(y.shape) #(48523, 100, 261)问题
我不清楚y数据应该采用什么形状？网络结构如下：
def create_network(x, n_vocab_string_notes):""" create the structure of the neural network """model = Sequential()model.add(LSTM( 512, input_shape=(x.shape[1], x.shape[2]), return_sequences=True))model.add(Dropout(0.3))model.add(LSTM(512, return_sequences=True))model.add(Dropout(0.3))model.add(LSTM(512))model.add(Dense(256))model.add(Dropout(0.3))model.add(Dense(n_vocab_string_notes))model.add(Activation('softmax'))model.compile(loss='categorical_crossentropy', optimizer='rmsprop')return model训练过程如下：
def train(model, x, y):""" train the neural network """file_path = "weights-improved.hdf5"checkpoint = ModelCheckpoint( file_path, monitor='loss', verbose=0, save_best_only=True, mode='min')callbacks_list = [checkpoint]model.fit(x, y, epochs=200, batch_size=64, callbacks=callbacks_list)现在它返回错误，因为y的形状不是它应该有的。它说得到了形状为(48523, 100, 261)的数组，而期望的是2维数组。
目标
目标是根据钢琴音符预测弦乐音符。也就是说，对于长度为100的钢琴音符，预测相应长度的弦乐音符。因此，从单一的钢琴音符列表中，我可以预测弦乐音符列表。这意味着对于每首钢琴旋律，都可以添加相应的弦乐旋律。
回答：
您目前通过在第二个LSTM(100)中不返回序列来压缩时间维度。您也需要返回一个序列并处理上层。类似这样的操作：
# second lstmmodel.add(LSTM(512, return_sequences=True))model.add(TimeDistributed(Dense(256)))model.add(Dropout(0.3))model.add(TimeDistributed(Dense(n_vocab_string_notes, activation='softmax')))现在输出也将是序列。
