Keras报错NameError: name 'input_shape' is not defined求助

核心问题修复 #

你遇到的NameError是因为input_shape是LSTM层的关键字参数，需要以元组形式传入，而非当成函数调用。同时代码里还有一处拼写错误：

• 错误写法：model.add(LSTM(128, input_shape(n_words, len(unique_tokens)), return_sequence=True))
• 正确写法：

model.add(LSTM(128, input_shape=(n_words, len(unique_tokens)), return_sequences=True))

关键说明：

• input_shape=(序列长度, 特征数)：必须用括号包裹成元组，作为关键字参数传递
• return_sequences=True：注意是复数形式sequences，单数形式会被视为未定义参数

额外优化建议 #

1. 统一Keras导入：你的代码同时导入了tensorflow.keras和原生keras模块，会导致命名空间冲突，建议删除重复的原生Keras导入，只保留TensorFlow版本：

# 保留这部分即可，删除后续重复的keras导入
import random
import pickle

import numpy as np
import pandas as pd
from nltk.tokenize import RegexpTokenizer

from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.layers import LSTM, Dense, Activation, InputLayer
from tensorflow.keras.optimizers import RMSprop

2. 关于InputLayer的正确用法：如果想用InputLayer定义输入形状，需单独添加该层，而非直接在LSTM里调用InputLayer.input_shape：

model = Sequential()
model.add(InputLayer(input_shape=(n_words, len(unique_tokens))))
model.add(LSTM(128, return_sequences=True))

完整修正后的模型构建片段 #

# 前面的数据处理部分保持不变...

model = Sequential()
# 方式一：直接在LSTM层指定input_shape
model.add(LSTM(128, input_shape=(n_words, len(unique_tokens)), return_sequences=True))
# 后续可继续添加输出层
model.add(Dense(len(unique_tokens)))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy', optimizer=RMSprop(learning_rate=0.01), metrics=['accuracy'])

内容的提问来源于stack exchange，提问作者Rick