Keras搭建LSTM模型训练报输入ndim维度不兼容错误如何解决

ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (57, 1)

• LSTM层要求输入为3维张量，维度顺序为(样本数, 时间步长, 单时间步特征数)，当前传入的训练数据x_train形状为(700, 57)，仅2维，不满足输入要求。
• 第一层LSTM的input_shape参数配置错误：该参数不需要传入样本总数，仅需填写(时间步长, 单时间步特征数)，当前写法(700, 57)是将总样本数错当成时间步长，和实际数据结构完全不匹配。
• model.fit传参不规范：直接传入未拆分的train_data、valid_data对象，会导致框架解析数据维度出错。

1. 调整数据为3维结构 #

根据任务场景对特征数据做reshape：

• 若任务无连续时序关系，仅单时间步57维特征，将时间步长设为1，reshape代码如下：

x_train = x_train.reshape((x_train.shape[0], 1, x_train.shape[1]))
# 验证集做相同处理
x_valid = x_valid.reshape((x_valid.shape[0], 1, x_valid.shape[1]))

处理后x_train.shape应为(700, 1, 57)。

• 若为时序分类/预测任务，先通过滑窗构造固定长度的序列样本，最终特征集形状应为(构造后样本总数, 窗口长度, 57)。

2. 修改LSTM层输入配置 #

根据reshape后的数据维度，修改第一层LSTM的input_shape参数，不要传入样本总数。以单时间步场景为例：

model.add(tf.keras.layers.LSTM(64, input_shape = (1, 57), return_sequences=True))

若使用长度为t的滑窗构造时序数据，将input_shape改为(t, 57)即可。

3. 规范fit传参 #

将拆分好的特征、标签以元组形式传入fit方法，不要直接传入未拆分的数据集对象：

history = model.fit(
    x_train, y_train, 
    batch_size=32, 
    epochs=60, 
    verbose=2, 
    validation_data=(x_valid, y_valid)
)

修改完成后调用model.summary()，确认第一层LSTM的输入维度与reshape后的数据维度匹配，即可正常启动训练。

内容的提问来源于stack exchange，提问作者Muhammad Faizan