基于TF2的堆叠双向LSTM模型输入不兼容错误原因排查

错误的核心原因是堆叠LSTM层时，前一层没有返回序列输出，导致后续LSTM层输入维度不匹配：

• 默认情况下，tf.keras.layers.LSTM的return_sequences参数为False，此时Bidirectional LSTM输出的是2D张量，形状为(batch_size, 2*filter_len)（双向结构会把正反方向的输出拼接，所以单元数是设置值的2倍）。
• 后续的Bidirectional(LSTM)层要求输入是3D张量（(batch_size, sequence_length, features)），用来处理时序序列。当把2D张量传入第二个LSTM层时，就会触发expected ndim=3, found ndim=2的维度不兼容错误。

看你的代码，第一个LSTM层self.lstm1 = Bidirectional(LSTM(filter_len, input_shape = (-1, -1, numchannels)))没有设置return_sequences=True，所以输出是2D的(8,256)（这里256对应2*filter_len），传入lstm2时完全不符合输入要求。

给除最后一层外的堆叠LSTM层添加return_sequences=True参数，让它们返回完整的序列输出，供下一层LSTM处理：

class ForexPredictionModel(tf.keras.Model):
def __init__(self, seg_len, **kwargs):
    super(ForexPredictionModel, self).__init__(**kwargs)
    # 第一个LSTM层，返回序列供下一层处理
    self.lstm1 = Bidirectional(LSTM(filter_len, return_sequences=True, input_shape = (-1, -1, numchannels)))
    # 第二个LSTM层，同样返回序列
    self.lstm2 = Bidirectional(LSTM(filter_len, return_sequences=True))
    # 第三个LSTM层，不需要返回序列，直接输出特征供全连接层使用
    self.lstm3 = Bidirectional(LSTM(filter_len))
    self.dense = Dense(256, activation="relu")
    self.out = Dense(num_classes, activation="sigmoid")

def call(self, x):
    x = self.lstm1(x)
    x = self.lstm2(x)
    x = self.lstm3(x)
    x = self.dense(x)
    x = self.out(x)
    return x

调整后：

• lstm1和lstm2输出3D张量(batch_size, seq_len, 2*filter_len)，完全符合下一层LSTM的输入格式
• lstm3输出2D张量，正好适配后续的全连接Dense层

内容的提问来源于stack exchange，提问作者batuman