我在设置LSTM网络的维度时遇到了困难。

我的数据如下：

train_data.shape (25391, 3) # 应理解为25391个时间步和3个特征
train_labels.shape (25391, 1) # 应理解为25391个时间步和1个特征

我认为我的输入维度应该是(1, len(train_data), train_data.shape[1])，因为我计划提交一个批次。但我得到了以下错误：

Error when checking target: expected lstm_10 to have 2 dimensions, but got array with shape (1, 25391, 1)

这是模型代码：

model = Sequential()
model.add(LSTM(1, # 预测一个特征和一个时间步
               batch_input_shape=(1, len(train_data), train_data.shape[1]),
               activation='tanh',
               return_sequences=False))
model.compile(loss = 'categorical_crossentropy', optimizer='adam', metrics = ['accuracy'])
print(model.summary())
# 作为1个样本，包含len(train_data)个时间步和train_data.shape[1]个特征。
model.fit(x=train_data.values.reshape(1, len(train_data), train_data.shape[1]),
          y=train_labels.values.reshape(1, len(train_labels), train_labels.shape[1]),
          epochs=1,
          verbose=1,
          validation_split=0.8,
          validation_data=None,
          shuffle=False)

输入维度应该是什么样的？

回答：

问题出在你提供的目标（即标签）形状上（即Error when checking target）。你的模型中LSTM层的输出，同时也是模型的输出，形状为(None, 1)，因为你指定只返回最终输出（即return_sequences=False）。为了获得每个时间步的输出，你需要设置return_sequences=True。这样LSTM层的输出形状将变为(None, num_timesteps, num_units)，这与你提供的标签数组的形状一致。