使用Kerastuner优化LSTM文本分类模型时出现维度不兼容问题求助

报错根源 #

Keras中LSTM层默认return_sequences=False，仅输出2维张量（形状为(批次大小, 隐藏单元数)），而堆叠的中间层LSTM要求输入必须为3维时序张量（形状为(批次大小, 时间步长, 特征数)）。你的代码设置了至少2层LSTM，但所有LSTM层都没有开启时序返回参数，第一层LSTM输出2维张量后，第二层LSTM输入维度不匹配，触发报错。

修复步骤 #

• 修改多层LSTM堆叠逻辑，仅最后一层LSTM保持默认配置，其余层添加return_sequences=True参数，修改后的循环代码如下：

for i in range(num_hidden_layers):
    # 非最后一层LSTM返回完整时序序列，输出3维张量适配下一层LSTM输入要求
    if i != num_hidden_layers - 1:
        model.add(tf.keras.layers.LSTM(num_units, return_sequences=True))
    else:
        model.add(tf.keras.layers.LSTM(num_units))
    model.add(tf.keras.layers.Dropout(dropout_rate))

• 调整超参数搜索范围，当前num_hidden_layers的最大值设为100不合理，LSTM堆叠层数超过5层就很容易出现梯度消失问题，且训练成本极高，建议将上限调低到5以内。
• 补全你提供代码末尾CustomTuner实例化缺失的右括号)。

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