我正在使用以下Keras模型:

    # Create Model    self.model = Sequential()    self.model.add(LSTM(50, return_sequences=True, input_shape=(features_set.shape[1], features_set.shape[2])))    self.model.add(Dropout(0.2))    self.model.add(LSTM(50, return_sequences=True))    self.model.add(Dropout(0.2))    self.model.add(LSTM(50))    self.model.add(Dropout(0.2))    self.model.add(Dense(1))    self.model.compile(optimizer = 'adam', loss = 'mean_squared_error')

features_set.shape 是 196,353,4，而 labels.shape 是 196,353,1。

然而，当紧接着调用以下代码时:

    self.model.fit(features_set, labels, epochs = 1, batch_size = 1)    self.model.reset_states()

我得到了以下错误:

预期dense_1应有2个维度，但得到的数组形状为(196, 353, 1)

最后一个LSTM层没有返回序列，那么这里发生了什么？我不明白自己哪里做错了。

回答：

模型构建错误，Dense层的输出是(196, 1)，而你正在拟合的标签形状是(196,353,1)。

尝试这样做:

# Create Model    self.model = Sequential()    self.model.add(LSTM(50, return_sequences=True, input_shape=(features_set.shape[1], features_set.shape[2])))    self.model.add(Dropout(0.2))    self.model.add(LSTM(50, return_sequences=True))    self.model.add(Dropout(0.2))    self.model.add(LSTM(50, return_sequences=True))    self.model.add(Dropout(0.2))    self.model.add(Dense(1))    self.model.compile(optimizer = 'adam', loss = 'mean_squared_error')