Keras搭建LSTM如何配置同维度输入输出层实现双属性预测？

LSTM层输出维度报错，核心是三个配置点写错，没有例外：

• LSTM层return_sequences参数和任务类型不匹配
• input_shape维度顺序不符合Keras要求
• 最后输出层的单元数和待预测目标数不对齐

1. 先记牢LSTM的维度规则 #

Keras框架下LSTM层只接受3维输入，维度顺序固定为：
(样本总数, 单个样本的时间步长度, 单个时间步的输入特征数)
如果你的原始数据是普通二维表格结构（每行1个样本、每列1个特征），必须先reshape成上述3维结构才能喂入模型。
举个对应你场景的例子：如果你用连续5个时间步的观测值做预测，每个时间步有2个输入特征，总样本量1000条，那输入shape就是(1000,5,2)，模型里写input_shape=(5,2)即可，不需要填样本总数。

2. 按任务类型设置return_sequences参数 #

• 如果你做单步预测：输入一段时序数据，只输出最后一个时间步的2个目标值，所有中间LSTM层设return_sequences=True，最后一层LSTM必须设return_sequences=False（框架默认值就是False），此时LSTM输出为2维结构(样本数, LSTM单元数)
• 如果你做多步预测：输入一段时序数据，输出每个时间步对应的2个目标值，所有LSTM层都要设return_sequences=True，此时LSTM输出为3维结构(样本数, 时间步长度, LSTM单元数)

3. 输出层配置 #

你需要预测2个目标属性，不管是单步还是多步预测，最后映射层的输出维度必须和目标数对齐：

• 单步预测场景，最后直接接Dense(2)即可，输出shape为(样本数,2)，正好对应2个预测目标
• 多步预测场景，要接TimeDistributed(Dense(2))，输出shape为(样本数, 时间步长度,2)，保证每个时间步都输出2个预测值

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, TimeDistributed
import numpy as np

# 模拟匹配你场景的测试数据：1000个样本，时间步长5，每个时间步2个输入特征
X = np.random.rand(1000, 5, 2)
# 单步预测标签：每个样本对应2个预测值
y_single_step = np.random.rand(1000, 2)
# 多步预测标签：每个样本每个时间步对应2个预测值
y_multi_step = np.random.rand(1000,5,2)

# 单步预测模型（输出最后时间步的2个目标值）
model_single = Sequential([
    LSTM(32, return_sequences=True, input_shape=(5,2)),
    LSTM(16, return_sequences=False),
    Dense(2) # 单元数和预测目标数对齐
])
model_single.compile(optimizer='adam', loss='mse')
model_single.summary() # 打印结构可直接验证维度匹配
model_single.fit(X, y_single_step, epochs=5, batch_size=32)

# 多步预测模型（输出每个时间步的2个目标值）
model_multi = Sequential([
    LSTM(32, return_sequences=True, input_shape=(5,2)),
    LSTM(16, return_sequences=True),
    TimeDistributed(Dense(2)) # 每个时间步独立映射到2个输出
])
model_multi.compile(optimizer='adam', loss='mse')
model_multi.summary()
model_multi.fit(X, y_multi_step, epochs=5, batch_size=32)

不要在最后一层LSTM开return_sequences=True之后直接接普通Dense层，必然维度不匹配；不要把输入shape里的时间步和特征数位置写反，框架不会自动帮你调整维度顺序；不要把Dense层单元数设成和输入特征数一致，必须和你要预测的目标数量对齐。

内容的提问来源于stack exchange，提问作者GoT GOt