我正在构建一个LSTM网络。我的数据如下所示：
X_train.shape = (134, 300000, 4)X_train包含134个序列，每个序列有300000个时间步和4个特征。
Y_train.shape = (134, 2)Y_train包含134个标签，[1, 0]表示True，[0, 1]表示False。
以下是我的Keras模型。
model = Sequential()model.add(LSTM(4, input_shape=(300000, 4), return_sequences=True))model.compile(loss='categorical_crossentropy', optimizer='adam')每当我运行模型时，我都会收到以下错误：
Error when checking target: expected lstm_52 to have 3 dimensions, but got array with shape (113, 2)这个问题似乎与我的Y_train数据有关——它的形状是(113, 2)。
谢谢！
回答：
你的LSTM层的输出形状是(batch_size, 300000, 4)（因为return_sequences=True）。因此，你的模型期望目标y_train有3个维度，但你传递了一个只有2个维度的数组(batch_size, 2)。
你可能需要使用return_sequences=False。在这种情况下，LSTM层的输出形状将是(batch_size, 4)。此外，你应该在模型中添加一个最终的softmax层，以获得期望的输出形状(batch_size, 2)：
model = Sequential()model.add(LSTM(4, input_shape=(300000, 4), return_sequences=False))model.add(Dense(2, activation='softmax')) # 因为你有2个类别，所以使用2个神经元model.compile(loss='categorical_crossentropy', optimizer='adam')