Keras的第二層（但不是第一層）的輸入形狀錯誤LSTM

Question

EDITED爲簡明起見。

我想在

https://keras.io/layers/recurrent/

from keras.models import Sequential 
from keras.layers import LSTM 

建立一個LSTM模型，工作過的文檔，例如下面三行代碼（加註釋）直接從文檔的鏈接採取以上：

model = Sequential() 
model.add(LSTM(32, input_dim=64, input_length=10)) 

# for subsequent layers, not need to specify the input size: 
model.add(LSTM(16)) 

ValueError: Input 0 is incompatible with layer lstm_2: expected ndim=3, found ndim=2

我得到上述執行第二model.add（）語句後錯誤，但exposi前將模型添加到我的數據中，甚至編譯它。

我在這裏做錯了什麼？任何幫助深表感謝。 僅供參考我正在使用Keras 1.2.1。編輯：剛剛升級到目前的1.2.2，仍然有同樣的問題。

Answer 1

由於patyork回答此上github：

「第二LSTM層是沒有得到的3D輸入，它預計（具有（的batch_size，時間步長，特徵的形狀）。這是因爲該第一LSTM層具有（通過運算的默認值）return_sequences = False，這意味着它僅輸出在時間t-1具有形狀（batch_size，32）的最後一個特徵集，或者不包括時間的兩個維度。「

因此，爲了提供如何使用堆棧LSTM實現多對一（return_sequences = False）序列分類的代碼示例，請確保在中間層上使用return_sequences = True，例如thi S：

model = Sequential() 
model.add(LSTM(32, input_dim=64, input_length=10, return_sequences=True)) 
model.add(LSTM(24, return_sequences=True)) 
model.add(LSTM(16, return_sequences=True)) 
model.add(LSTM(1, return_sequences=False)) 

model.compile(optimizer = 'RMSprop', loss = 'categorical_crossentropy') 

（沒有錯誤）