Keras LSTM传入拼接全连接层输出时出现维度不兼容报错

LSTM层要求输入必须是3维张量，固定形状为(batch_size, time_steps, feature_dim)，分别对应训练批次大小、序列时间步长度、单时间步的特征数量。
现有代码传入LSTM的hhs张量形状为(None, 150)，属于仅包含批次维度、特征维度的2维结构，缺失时间步维度，因此触发输入不兼容报错。
该2维形状的形成逻辑很清晰：5个Dense输出层各输出30维特征，按特征维度直接拼接后总特征数为5*30=150，自然形成了无序列结构的2维输出。

根据实际的建模意图，可选择对应调整方式：

• 若建模意图是把5个并行的Dense输出当作长度为5的序列（即5个Dense层对应5个时间步，每个时间步包含30个特征）
  保留原有拼接逻辑，在拼接后增加Reshape层拆分维度，凑成LSTM要求的3维输入即可：

  hhs = layers.concatenate([first_output, second_output, 
                           third_output, fourth_output, 
                           fifth_output])
  # 形状变换：(None,150) → (None,5,30)
  hhs_seq = layers.Reshape((5, 30))(hhs)
  xxs = layers.LSTM(5)(hhs_seq)
  

• 若拼接后的特征本身是单时间步的常规全连接特征，仅计划用LSTM完成后续特征转换
  需要在原有特征基础上补上长度为1的时间步维度，满足LSTM的输入格式要求：

  hhs = layers.concatenate([first_output, second_output, 
                           third_output, fourth_output, 
                           fifth_output])
  # 形状变换：(None,150) → (None,1,150)
  hhs_seq = layers.Reshape((1, 150))(hhs)
  xxs = layers.LSTM(5)(hhs_seq)
  

提示：如果本身没有序列建模需求，仅需处理拼接后的全连接特征，可直接接入Dense层，无需强制使用LSTM，避免维度转换带来的语义偏差。

内容的提问来源于stack exchange，提问作者Santosh Kumar