我想构建一个神经网络，前两层是前馈层，最后一层是循环层。以下是我的代码：

model = Sequential()
model.add(Dense(150, input_dim=23,init='normal',activation='relu'))
model.add(Dense(80,activation='relu',init='normal'))
model.add(SimpleRNN(2,init='normal'))
adam =OP.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08)
model.compile(loss="mean_squared_error", optimizer="rmsprop")  

我得到了以下错误：

Exception: Input 0 is incompatible with layer simplernn_11: expected  ndim=3, found ndim=2.
model.compile(loss='mse', optimizer=adam)

回答：

在Keras中，RNN层确实期望输入格式为(nb_samples, time_steps, input_dim)。然而，如果你想在Dense层之后添加RNN层，你可以通过重塑RNN层的输入来实现。Reshape层既可以作为Sequential模型的第一层，也可以作为中间层使用。以下是几个例子：

在Sequential模型中作为第一层的Reshape

model = Sequential()
model.add(Reshape((3, 4), input_shape=(12,)))
# now: model.output_shape == (None, 3, 4)
# note: `None` is the batch dimension

在Sequential模型中作为中间层的Reshape

model.add(Reshape((6, 2)))
# now: model.output_shape == (None, 6, 2)

例如，如果你按以下方式修改你的代码，就不会出现错误。我已经检查过，模型编译时没有报告任何错误。你可以根据需要调整维度。

from keras.models import Sequential
from keras.layers import Dense, SimpleRNN, Reshape
from keras.optimizers import Adam
model = Sequential()
model.add(Dense(150, input_dim=23,init='normal',activation='relu'))
model.add(Dense(80,activation='relu',init='normal'))
model.add(Reshape((1, 80)))
model.add(SimpleRNN(2,init='normal'))
adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08)
model.compile(loss="mean_squared_error", optimizer="rmsprop")