如何将维度为(3,50)的Embedding层接入LSTM层

首先明确报错根因：
LSTM 要求输入为3阶张量，格式为(批量大小, 时间步数量, 单时间步特征维度)，而你当前经过Embedding层后的输出是4阶张量(批量大小, 3, 50, 2*EMBEDDING_DIM)，多了1维商品ID的嵌入维度，因此直接传入会报错，原代码中的Reshape操作属于冗余操作，没有解决维度不匹配的核心问题。

方案1：单时间步特征合并（最贴合你描述的业务场景） #

你提到3是时间步数量，每个时间步对应50个商品ID，我们可以先把每个时间步下的50个商品的嵌入向量合并为单维度特征，把整体张量降为3阶后再传入LSTM：

layer_i_inp = Input(shape = (3,50), name = 'item')
layer_i_emb = Embedding(output_dim = EMBEDDING_DIM*2,
                        input_dim = us_it_count[0]+1,
                        input_length = (3,50),
                        name = 'item_embedding')(layer_i_inp) 

# 新增：把每个时间步下的50个嵌入向量展平为一维特征，输出shape为(None, 3, 50*2*EMBEDDING_DIM)
layer_i_emb = TimeDistributed(Flatten())(layer_i_emb)

# 现在直接传入LSTM即可，无需多余的维度转换
layer_i_emb = LSTM(MAX_FEATURES, dropout = 0.4, recurrent_dropout = 0.4, return_sequences = True)(layer_i_emb)
layer_i_emb = LSTM(MAX_FEATURES, dropout = 0.4, recurrent_dropout = 0.4, return_sequences = True)(layer_i_emb)
layer_i_emb = LSTM(MAX_FEATURES, dropout = 0.4, recurrent_dropout = 0.4)(layer_i_emb)

layer_i_emb = Flatten()(layer_i_emb)

如果不想直接展平丢失商品序列信息，也可以把TimeDistributed(Flatten())换成TimeDistributed(LSTM(xxx))，先对每个时间步内的50个商品ID做序列建模，再把输出的特征传入外层处理时间步的LSTM。

方案2：调整时间步定义 #

如果你实际是要把3*50个商品ID整体作为一个长度为150的序列处理，可以直接把输入张量压平为2阶后再传入Embedding，调整如下：

layer_i_inp = Input(shape = (3,50), name = 'item')
# 先压平成(None, 150)的序列
layer_i_inp_flat = Reshape([3*50])(layer_i_inp)
layer_i_emb = Embedding(output_dim = EMBEDDING_DIM*2,
                        input_dim = us_it_count[0]+1,
                        input_length = 3*50,
                        name = 'item_embedding')(layer_i_inp_flat) 

# 此时Embedding输出为(None, 150, 2*EMBEDDING_DIM)，符合LSTM输入要求
layer_i_emb = LSTM(MAX_FEATURES, dropout = 0.4, recurrent_dropout = 0.4, return_sequences = True)(layer_i_emb)
# 后续层保持不变

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