如何为句子级嵌入任务设置LSTM输入形状并解决f1_score计算报错

核心问题原因 #

• 第一，测试集样本数不匹配：1430条样本按0.2的测试集比例计算，测试集样本数应为1430*0.2=286，你观测到y_test.shape为(268,1)，说明Y数组在切分前就存在维度异常，或是你在切分后对y_test做了多余的切片、过滤操作。
• 第二，LSTM输出维度异常：你贴出的代码中LSTM层没有设置return_sequences=True，正常输出维度应该是(样本数, 32)，经过Dense层后输出应为(样本数, 1)，出现(286,58,1)说明你实际运行的代码和贴出的版本不一致，大概率是LSTM层误加了return_sequences=True参数，导致每个时间步都输出了结果，而非整条序列的最终输出。
• 第三，预测接口兼容性问题：高版本TensorFlow已经移除了predict_classes方法，使用该接口会导致输出结果格式异常。

分步解决步骤 #

• 第一步：修正切分逻辑与维度对齐
  在切分代码后增加维度校验，同时将标签数组压缩为一维，避免多余维度干扰：

  x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.2,random_state=42)
  # 新增校验，确保测试集输入和标签样本数一致
  assert x_test.shape[0] == y_test.shape[0], f"测试集样本数不匹配：x_test共{x_test.shape[0]}条，y_test共{y_test.shape[0]}条"
  # 压缩标签数组为一维
  y_train = y_train.ravel()
  y_test = y_test.ravel()
  
  x_train=x_train.reshape(x_train.shape[0],58,1024)
  x_test=x_test.reshape(x_test.shape[0],58,1024)
  

• 第二步：修正LSTM层配置
  确认LSTM层没有添加return_sequences=True参数，保证输出为整条序列的最终特征：

  model = Sequential()
  # 禁止添加return_sequences=True参数，否则会输出每个时间步的结果
  model.add(LSTM(32, input_shape=(58, 1024)))
  model.add(Dense(1, activation='sigmoid'))
  model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
  model.fit(x_train, y_train, epochs=5, batch_size=32)
  

• 第三步：修正预测与F1计算逻辑
  替换已废弃的predict_classes接口，手动将概率输出转为分类结果，同时压缩多余维度：

  # 输出预测概率并压缩为一维
  y_pred = model.predict(x_test).ravel()
  # 按0.5阈值将概率转为二分类标签
  y_pred = (y_pred >= 0.5).astype(int)
  f1 = f1_score(y_test, y_pred)
  

内容的提问来源于stack exchange，提问作者aldin