使用Keras Seq2Seq模型时遇维度不匹配错误求助

核心错误点 #

• 编码器输入形状不匹配：你的编码器输入数据形状是(592,58)，但代码中encoder_inputs定义为(None,592)，完全搞反了序列长度和特征数的维度。LSTM要求输入为3D张量(batch_size, timesteps, features)，需先将一维序列数据reshape为3D，再修正Input层定义。
• 解码器Input层维度错误：代码中decoder_inputs = keras.Input(shape=(None,52,9))定义了4D输入（批量维度+3个维度），但LSTM仅接受3D输入。你的解码器输入数据是(592,52,9)（3D），Input层只需指定(timesteps, features)即可。
• 解码器输出与标签维度不匹配：你设置了decoder_lstm(return_sequences=True)，会返回形状为(batch_size, 52, 256)的序列输出，但你的标签是(592,51*9)的固定长度向量，两者维度无法对齐。

修复后的完整代码 #

import keras
from keras.layers import Input, LSTM, Dense, Flatten
from keras.models import Model

# 1. 处理编码器输入数据，将(592,58) reshape为3D张量
all_seqtf = all_seqtf.reshape((592, 58, 1))  # 每个样本58个时间步，特征数为1

# 编码器部分
encoder_inputs = keras.Input(shape=(58, 1))
encoder_lstm = keras.layers.LSTM(units=256, return_state=True)
encoder_outputs, state_h, state_c = encoder_lstm(encoder_inputs)
encoder_states = [state_h, state_c]

# 解码器部分（适配固定长度输出标签）
decoder_inputs = keras.Input(shape=(52, 9))
# 若输出固定长度向量，设置return_sequences=False
decoder_lstm = keras.layers.LSTM(units=256, return_sequences=False, return_state=True)
decoder_outputs, _, _ = decoder_lstm(decoder_inputs, initial_state=encoder_states)
decoder_dense = Dense(51*9, activation='relu')
decoder_outputs = decoder_dense(decoder_outputs)

# 构建并训练模型
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(optimizer="rmsprop", loss="msle")
model.summary()
model.fit(x=[all_seqtf, all_anitf], y=all_ani2tf, batch_size=64, epochs=100, validation_split=0.2)

序列输出场景适配（若需逐时间步预测） #

如果你的任务实际需要解码器返回序列输出，需将标签reshape为(592, 51, 9)，并调整解码器结构：

# 处理标签为序列格式
all_ani2tf = all_ani2tf.reshape((592, 51, 9))

# 解码器部分修改
decoder_lstm = keras.layers.LSTM(units=256, return_sequences=True, return_state=True)
decoder_outputs, _, _ = decoder_lstm(decoder_inputs, initial_state=encoder_states)
decoder_dense = Dense(9, activation='relu')
decoder_outputs = decoder_dense(decoder_outputs)
# 展平序列以匹配标签的扁平化形状
decoder_outputs = Flatten()(decoder_outputs)

内容的提问来源于stack exchange，提问作者Mr.daq