检查目标时出错：预期稠密_24有3维，但得到了形状为（3283，1）的数组

Question

我有一个X_train=[（4096, 18464),(4097, 43045),(4098, 38948),(4099, 2095),(4100, 59432),(4101, 55338),(4102, 51245),(4103, 26658),(4104, 30755)，......]与形状（3283,2）和

y_train=[191891918919189，…，1155085434105692417，11551206203665152513，…]有一个形状（3283，1）

我用代码重塑了X_train：

X_train = np.reshape(X_train, (X_train.shape[0], 1, X_train.shape[1]))
X_test = np.reshape(X_test, (X_test.shape[0], 1, X_test.shape[1]))

并得到形状（3283,1,2）

现在，我构建了一个lstm模型：

data_dim= 2
timesteps=1
num_classes=2

model_pass = Sequential()
model_pass.add(LSTM(units=64,  return_sequences=True, 
                input_shape=(timesteps, data_dim)))
model_pass.add(Dense(2, activation='sigmoid'))
model_pass.compile(loss='binary_crossentropy', optimizer='adam',metrics=['accuracy'])
model_pass.summary()
model_pass.fit(X_train, y_train,batch_size=1, epochs = 1, verbose = 1)

但它给了我一个错误：ValueError：检查目标时出错：预期稠密_24有3维，但得到了具有形状的数组（3283，1）

谁能告诉我我该怎么做？

Answer 1

密集层之后，输出形状为（采样数，时间步长，2）。数字2来自密集（2，…） 。但是y\u列车通行证可能有形状（样本数，1）。这是一个错误。

下面是一个可能的代码示例，其中我更改了Dense（2，…） 至密集（1，…） 并重塑y_序列

from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dense
import numpy as np

X_train = np.random.randn(3283,2)
X_test = np.random.randn(1000,2)
y_train = np.random.randint(2, size=(3283,1))
print(y_train.shape)
X_train = np.reshape(X_train, (X_train.shape[0], 1, X_train.shape[1]))
X_test = np.reshape(X_test, (X_test.shape[0], 1, X_test.shape[1]))
y_train = np.reshape(y_train, (y_train.shape[0],1, y_train.shape[1]))

data_dim= 2
timesteps=1
num_classes=2

model_pass = Sequential()
model_pass.add(LSTM(units=64,  return_sequences=True, 
                input_shape=(timesteps, data_dim)))
model_pass.add(Dense(1, activation='sigmoid'))
model_pass.compile(loss='binary_crossentropy', optimizer='adam',metrics=['accuracy'])
model_pass.summary()
model_pass.fit(X_train, y_train,batch_size=1, epochs = 1, verbose = 1)

顺便说一下，只是一个评论。奇怪的是，您的y\u列值没有“二进制”值，您使用的是loss='binary\u crossentropy'。