Keras LSTM输入形状不匹配求助：期望(500,2)但输入为(500,5)

问题背景 #

你碰到了一个挺让人困惑的问题：明明在模型定义里把LSTM的输入形状设成了x_train.shape[1:]（也就是(500,5)），而且打印层输入形状也显示lstm_1的输入是(None,500,5)，但训练时却报错说期望(500,2)的输入。结合你的数据和版本信息：

• 输入x_train形状：(6508, 500, 5)，输出y_train形状：(6508, 5)
• 使用版本：Keras2.3.0，TensorFlow1.14.0

问题根源 #

这其实是Keras 2.3.0和TensorFlow 1.14.0之间的兼容性bug。这个版本组合下，模型输入形状的内部推断逻辑出现了异常，导致实际运行时加载的输入配置和你代码里定义的不一致，才出现了这种自相矛盾的报错。

已验证的解决方案 #

根据你提到的更新信息，这两种方法都能解决问题：

• 降级Keras版本到2.2.5：保持TensorFlow 1.14.0不变，重新安装Keras 2.2.5后再构建模型训练
• 切换使用tf.keras：放弃独立的Keras库，改用TensorFlow内置的Keras实现，这样能避免版本兼容问题

切换到tf.keras的代码示例

如果选第二种方案，只需要调整导入路径就行，模型结构不用改：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dropout, Dense

# 模型结构和你原来的完全一致
model = Sequential()
model.add(LSTM(units=96, return_sequences=True, input_shape=x_train.shape[1:]))
model.add(Dropout(0.2))
model.add(LSTM(units=96, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(units=96))
model.add(Dropout(0.2))
model.add(Dense(units=5))

model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mse'])
model.fit(x_train, y_train, epochs=epochs, batch_size=batch_size)

小提示 #

重新训练前最好重启一下你的运行环境（比如Jupyter Notebook或者Python终端），清除之前加载的旧模型缓存，避免残留的配置干扰新的训练过程。

内容的提问来源于stack exchange，提问作者Parham.rm