在Keras中添加Bidirectional LSTM触发RuntimeError问题咨询

我来帮你排查这个问题——其实这个报错的核心原因不是Bidirectional组件本身的问题，而是你在修改模型结构（添加双向LSTM层）之后，没有正确完成模型的编译步骤。

为什么去掉Bidirectional能正常运行？ #

大概率是你在使用无Bidirectional的模型时，已经正确调用了compile()方法完成编译；但当你添加Bidirectional包装器后，模型的层结构发生了变化，而你没有重新编译就直接尝试训练/使用模型，Keras就会抛出这个报错。

正确的解决步骤 #

不管你用不用Bidirectional，Keras要求所有模型在训练、预测前必须显式编译。针对你的代码，你需要：

1. 在所有层添加完成后，调用model.compile()方法
   这是最关键的一步，编译会告诉Keras优化器、损失函数等训练所需的配置。比如在你的类中，应该在最后一层Dense添加完之后，加上编译代码：

   # 你的层添加代码之后
   self.model.add(Dense(feature_dim, activation='relu'))
   # 新增：编译模型，根据你的任务选择合适的optimizer和loss
   self.model.compile(optimizer='adam', loss='mean_squared_error')  # 示例配置，可根据需求修改
   

2. 确保没有在模型构建完成前调用训练/预测方法
   检查你的代码逻辑，是不是在还没加完所有层（比如刚加了前几个Bidirectional LSTM）就调用了fit()或者predict()？这种情况下也会触发编译报错。

完整的正确示例代码 #

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Bidirectional, LSTM, Dense

class CustomModel:
    def __init__(self, seq_length, feature_dim):
        lstm1_size = 64
        lstm2_size = 64
        lstm3_size = 32
        lstm4_size = 32
        
        self.model = Sequential()
        # 添加双向LSTM层
        self.model.add(Bidirectional(LSTM(lstm1_size, input_shape=(seq_length, feature_dim), return_sequences=True)))
        self.model.add(Bidirectional(LSTM(lstm2_size, return_sequences=True)))
        self.model.add(Bidirectional(LSTM(lstm3_size, return_sequences=True)))
        self.model.add(Bidirectional(LSTM(lstm4_size, return_sequences=True)))
        self.model.add(Dense(feature_dim, activation='relu'))
        
        # 必须：编译模型
        self.model.compile(
            optimizer='adam',
            loss='mean_squared_error',  # 根据你的任务调整，比如分类用categorical_crossentropy
            metrics=['mae']  # 可选：添加评估指标
        )

# 实例化并使用
model = CustomModel(seq_length=20, feature_dim=10)
# 现在可以正常训练
# model.model.fit(x_train, y_train, epochs=15, batch_size=32)

额外提醒 #

如果你后续又修改了模型的层结构（比如增减层、修改层参数），都需要重新调用compile()，否则Keras会默认沿用旧的编译配置，而旧配置和新结构不匹配，同样会报错。

内容的提问来源于stack exchange，提问作者Shamoon