使用Keras Tuner调优LSTM假新闻分类模型时遭遇'Too many failed attempts to build model'错误的解决方法

我帮你排查下问题的核心原因，以及对应的解决办法：

1. 核心错误根源：LSTM层维度不兼容 #

你看到的ValueError: Input 0 of layer lstm_1 is incompatible with the layer: expected ndim=3, found ndim=2是关键问题。原因很直观：

• 第一个LSTM层默认return_sequences=False，它的输出是2D张量（形状为(None, units)，其中None是批量大小，units是你设置的LSTM单元数）
• 第二个LSTM层需要的输入是3D张量（形状为(None, timesteps, features)），用来处理序列数据
  这就导致第二个LSTM接收到的输入维度完全不符合要求，每次尝试构建模型都会失败，最终触发RuntimeError: Too many failed attempts to build model。

2. 代码中的其他小错误 #

除了维度问题，你的代码还有两个拼写/参数错误，也会导致模型构建失败：

• loss = 'binary_crooentropy'：拼写错误，正确写法是binary_crossentropy
• metric = ['accuracy']：参数名错误，Keras的compile方法里要求是复数形式metrics

3. 修正后的完整代码 #

下面是修复了所有问题的代码：

def build_model(hp):
    voc_size=5000
    embedding_vector_features=40
    model = Sequential([
        Embedding(
            voc_size, embedding_vector_features, input_length = sent_length
        ),
        AlphaDropout(
            rate = hp.Choice(
                'dropout_1_rate', values=[0.3, 0.5], default=0.3
            )
        ),
        LSTM(
            units = hp.Int(
                'LSTM_1_units', min_value=100, max_value=300, step=32, default=128
            ),
            activation = hp.Choice(
                'LSTM_1_activation', values=['relu', 'selu']
            ),
            kernel_initializer='lecun_normal',
            return_sequences=True  # 关键修改：返回序列，输出3D张量
        ),
        AlphaDropout(
            rate = hp.Choice(
                'dropout_2_rate', values=[0.3, 0.5], default=0.3
            )
        ),
        LSTM(
            units = hp.Int(
                'LSTM_2_units', min_value=100, max_value=300, step=32, default=128
            ),
            activation = hp.Choice(
                'LSTM_2_activation', values=['relu', 'selu']
            ),
            kernel_initializer='lecun_normal'
        ),
        AlphaDropout(
            rate = hp.Choice(
                'dropout_3_rate', values=[0.3, 0.5], default=0.3
            )
        ),
        Dense(
            units = 1, activation = 'sigmoid', kernel_initializer='lecun_normal'
        )
    ])
    model.compile(
        optimizer = keras.optimizers.Nadam(
            hp.Choice( 'learning_rate', values=[1e-2, 1e-3] )
        ),
        loss = 'binary_crossentropy',  # 修正拼写错误
        metrics = ['accuracy']  # 修正参数名为复数形式
    )
    return model

tuner_search = BayesianOptimization(build_model, objective='val_accuracy', max_trials=3, seed=42, directory='output', project_name='Fake News Classifier' )

关键修改说明 #

• 给第一个LSTM层添加return_sequences=True：这个参数让LSTM返回每个时间步的输出（形状为(None, sent_length, units)），正好匹配第二个LSTM层需要的3D输入格式。
• 修正loss的拼写和metrics参数名：这两个小错误会导致模型编译失败，也是触发多次构建失败的原因之一。

内容的提问来源于stack exchange，提问作者Nick