Keras 拟合方法使预期的 dense_1 具有 2 个维度，但得到了形状为 (196, 353, 1) 的数组

Question

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，labels.shape 是 196,353,1。

但是当它在之后被调用时：

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

我得到错误：

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

最后一个 LSTM 没有返回序列，那么这里发生了什么？我看不出我做错了什么。

Answer 1

错误的模型构建，密集输出为 (196, 1)，您正在拟合 label.shape (196,353,1)

试试这个

# 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')