維在keras LSTM模型

Question

說，這是訓練和測試數據：

X_matrix.shape = (5, 115318, 4) ; Y_matrix.shape = (5, 115318, 51) 

，我用的LSTM模式是：

model = Sequential() 
model.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2)) 
model.add(Dense(51, activation='softmax')) 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 

然而

，當我運行的模式，它事實證明：

Dense layer expected 2 dimensions but gotten 3 

據我所知，我沒有定義輸出層（緻密層）的input_shape，所以爲什麼出現這種情況？

Answer 1

問題是你的Y矩陣是三維的，當它應該是二維的。基於網絡設置，您的Y矩陣應該是形狀（5,52）。雖然，您也可以將return_sequesnce=True添加到lstm圖層，網絡將按原樣運行。另外，如果您有52種可能的類別，請注意您的損失函數應該是categorical_crossentropy