Keras RNN维度报错：reshape操作无法解决输入维度不匹配问题

错误原因 #

1. 数据集生成函数逻辑错误
   你写的create_dataset函数把滞后阶数作为了数组第一维，样本数放在了第二维，导致lags=1时输出的x_train形状为(1, 49)，和RNN要求的输入维度(样本数, 时间步长, 特征数)完全不匹配。同时你生成的y_train形状为(1, 49)，也不符合训练时标签的维度要求。
2. 输入reshape逻辑错误
   你后续reshape时直接把最后一维设为原x_train的第二维（也就是49），得到的形状为(1, 1, 49)，和你在SimpleRNN层定义的input_shape=(1, 1)（时间步长1、单特征）完全不匹配，所以触发第二次报错。

解决方法 #

第一步：修正数据集生成函数 #

把遍历逻辑改为遍历所有样本，将样本数作为输出数组的第一维：

def create_dataset(dataset, lags):
    dataX, dataY = [], []
    # 总样本数 = 数据集长度 - 滞后阶数
    for i in range(len(dataset) - lags):
        # 取i到i+lags的数据作为输入特征
        dataX.append(dataset[i:i+lags])
        # 取i+lags位置的数据作为标签
        dataY.append(dataset[i+lags])
    return np.array(dataX), np.array(dataY)

修正后调用x_train, y_train = create_dataset(df_train, lags = 1)，得到的x_train形状为(49, 1)，y_train形状为(49,)。

第二步：正确reshape输入适配RNN要求 #

RNN要求输入为三维，对应(样本数, 时间步长, 特征数)，你的场景下时间步长=1，单特征，所以按如下方式reshape即可：

x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], 1))

reshape后x_train形状为(49, 1, 1)，和你定义的input_shape=(1, 1)完全匹配。

第三步：正常训练模型 #

原有的模型定义、训练代码无需修改，直接运行即可正常训练。

内容的提问来源于stack exchange，提问作者John