如何解决LSTM模型训练时输入维度不匹配的ValueError报错

LSTM 层要求输入为3维张量，格式为(样本数量, 时间窗口长度, 特征数量)，你当前生成的输入数据X为4维，形状是(样本数, 5, 1, 1)，多了一个无用的维度，和你定义的模型输入形状(5,1)不匹配，因此触发维度不兼容报错。

方案1：修改数据生成函数，直接输出符合要求的维度 #

你在构造row的时候使用了两层列表嵌套[[a] for a in df_as_np[i:i+5]]，导致多生成了最后一个冗余维度，调整为一层嵌套即可：

def df_to_X_y(df,window_size=5):
    df_as_np = df.to_numpy()
    X = []
    y = []
    for i in range(len(df_as_np)-window_size):
        # 移除多余的一层括号
        row = [a for a in df_as_np[i:i+5]]
        X.append(row)
        label = df_as_np[i+5]
        y.append(label)
    return np.array(X), np.array(y)

修改后生成的X形状为(样本数, 5, 1)，直接匹配模型输入要求。

方案2：直接压缩现有数据的冗余维度 #

如果你不想调整数据生成逻辑，可以用numpy的维度压缩方法处理已生成的X：

# 去掉所有长度为1的冗余维度
X = X.squeeze()

处理完成后再拆分训练集、验证集、测试集送入模型即可正常训练。

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