我尝试在我的模型中添加另一个LSTM层，但我只是个初学者，而且不太擅长。我使用的是Kaggle上的(Better) – Donal Trump Tweets! 数据集来进行LSTM文本生成。

我努力让它运行，但它返回了一个错误：

<ValueError: Input 0 of layer lstm_16 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 128]>

我的模型是这样的：

print('Building model...')model2 = Sequential()model2.add(LSTM(128, input_shape=(maxlen, len(chars)),return_sequences=True))model2.add(Dropout(0.5))model2.add(LSTM(128))model2.add(Dropout(0.5))model2.add(LSTM(128))model2.add(Dropout(0.2))model2.add(Dense(len(chars), activation='softmax'))# optimizer = RMSprop(lr=0.01)optimizer = Adam()model.compile(loss='categorical_crossentropy', optimizer=optimizer)print('model built')

模型在只有两个LSTM层、两个Dropout层和一个Dense层的情况下可以正常工作。我认为我的input_shape设置有问题，但也有可能是我错了。我的模型是基于上述数据集笔记本中的一个笔记本这里构建的。

回答：

为了堆叠RNN，你必须使用return_sequences=True。从错误信息可以看出，层期望接收一个3维张量，但收到了一个2维的。这里你可以阅读到return_sequences=True标志将输出一个3维张量。

如果为True，则返回每个时间步的完整序列输出（一个形状为(batch_size, timesteps, output_features)的3D张量）。

假设你的输入层没有问题，并且输入数据正确传递，我建议尝试以下模型。

print('Building model...')model2 = Sequential()model2.add(LSTM(128, input_shape=(maxlen, len(chars)),return_sequences=True))model2.add(Dropout(0.5))model2.add(LSTM(128, return_sequences=True))model2.add(Dropout(0.5))model2.add(LSTM(128))model2.add(Dropout(0.2))model2.add(Dense(len(chars), activation='softmax'))# optimizer = RMSprop(lr=0.01)optimizer = Adam()model.compile(loss='categorical_crossentropy', optimizer=optimizer)print('model built')