检查目标时出错：预期 time_distributed_5 有 3 个维度，但得到了形状为 (14724, 1) 的数组答案

【问题标题】：Error when checking target: expected time_distributed_5 to have 3 dimensions, but got array with shape (14724, 1)检查目标时出错：预期 time_distributed_5 有 3 个维度，但得到了形状为 (14724, 1) 的数组
【发布时间】：2018-03-28 16:47:27
【问题描述】：

试图建立一个单一的输出回归模型，但最后一层似乎有问题

inputs = Input(shape=(48, 1))
lstm = CuDNNLSTM(256,return_sequences=True)(inputs)
lstm = Dropout(dropouts[0])(lstm)

#aux_input
auxiliary_inputs = Input(shape=(48, 7))
auxiliary_outputs = TimeDistributed(Dense(4))(auxiliary_inputs)
auxiliary_outputs = TimeDistributed(Dense(7))(auxiliary_outputs)

#concatenate
output = keras.layers.concatenate([lstm, auxiliary_outputs])

output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(1, activation='linear'))(output)

model = Model(inputs=[inputs, auxiliary_inputs], outputs=[output])

我是 keras 新手...我收到以下错误

ValueError: 检查目标时出错：预期 time_distributed_5 有 3 个维度，但得到的数组形状为 (14724, 1)

【问题讨论】：

标签： tensorflow neural-network keras lstm keras-layer

【解决方案1】：

你能提供更多关于你的问题的背景吗？测试数据或至少更多代码。你为什么首先选择这种架构？一个更简单的架构（只是 LSTM）可以解决问题吗？你在退步什么？使用线性激活函数堆叠多个 TimeDistributed Dense 层可能不会对模型增加太多。

【讨论】：

是的，你可能是对的。我可以只使用 LSTM，但它会给我带来令人满意的结果。 lstm 的输入是 48 个时间步长序列，我想预测下一个时间步长（第 49 个）。每个时间步都带有额外的数据 (48, 7) (7 个特征)，这些数据通过辅助输入提供。我正在尝试将 lstm 的输出与辅助输出连接起来。

【解决方案2】：

好的，伙计们，我想我找到了解决办法根据 - https://keras.io/layers/wrappers/ 它说我们正在对每个时间步应用密集层（在我的情况下，我有 48 个时间步）。因此，我最后一层的输出将是（batch_size、timesteps、尺寸）：

output = TimeDistributed(Dense(1, activation='linear'))(output)

将是 (?,48,1) 因此尺寸不匹配。但是，如果我想将其转换为单一回归输出，我们将不得不展平最终的 TimeDistributed 层

所以我添加了以下几行来修复它：

output = Flatten()(output)
output = (Dense(1, activation='linear'))(output)

所以现在时间分布层扁平化为 49 个输入（看起来像包含偏置输入）到最终密集层成为单个输出。

好的，代码工作正常，我得到了正确的结果（模型学习）。我唯一的疑问是在数学上是否可以将 TimeDistributed 层展平为简单的密集层以获得如上所述的结果？

【讨论】：