维在keras LSTM模型

Question

说，这是训练和测试数据：

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

，当我运行的模式，它事实证明：

Dense layer expected 2 dimensions but gotten 3 

据我所知，我没有定义输出层（致密层）的input_shape，所以为什么出现这种情况？

Answer 1

问题是你的Y矩阵是三维的，当它应该是二维的。基于网络设置，您的Y矩阵应该是形状（5,52）。虽然，您也可以将return_sequesnce=True添加到lstm图层，网络将按原样运行。另外，如果您有52种可能的类别，请注意您的损失函数应该是categorical_crossentropy