Keras搭建LSTM多分类模型报错：Input 'ref' of 'Assign' Op需左值输入

这个错误我之前调试模型时也碰到过，大概率是你用了Keras中已经被弃用的旧参数，加上一些版本兼容性小问题导致的，咱们一步步来修正：

错误根源分析 #

你代码里的几个参数是旧版Keras（1.x）的写法，在Keras 2.0+版本中已经被移除或重命名，这些过时的参数会导致内部张量赋值逻辑出错，触发这个TypeError：

• dropout_W 和 dropout_U：旧版用来控制输入和循环状态的dropout，新版已替换为dropout和recurrent_dropout
• nb_epoch：新版已改名为epochs
• metrics参数虽然部分版本支持单个字符串，但规范写法是传入列表

另外还有个小细节：5分类任务用sigmoid激活不太合适，配合独热标签和categorical_crossentropy损失，softmax激活会更合理，它能输出各分类的概率分布（总和为1）。

修正后的完整代码 #

from keras.models import Sequential
from keras.layers import Embedding, LSTM, Dense

# 构建修正后的模型
model = Sequential()
model.add(Embedding(10000, 32))
# 替换过时的dropout参数
model.add(LSTM(64, dropout=0.2, recurrent_dropout=0.2))
# 改用softmax适配多分类任务
model.add(Dense(5, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['acc'])
# 替换nb_epoch为epochs
model.fit(xtrain, ytrain, batch_size=128, epochs=10, validation_split=0.2)

关键修改点说明 #

1. 参数名更新：把dropout_W改为dropout（控制输入序列的dropout），dropout_U改为recurrent_dropout（控制循环状态的dropout），这是Keras 2.0后的标准参数，旧参数在新版本中不再被支持。
2. 激活函数调整：将sigmoid换成softmax，完美适配独热标签的多分类任务，和categorical_crossentropy损失函数的计算逻辑更匹配。
3. 规范参数格式：metrics改为列表形式['acc']，nb_epoch改为epochs，遵循新版Keras的API规范，避免潜在的兼容性问题。

额外排查建议 #

如果修正后还是报错，可以试试这两步：

• 检查Keras版本：用print(keras.__version__)查看，确保是2.0及以上版本，旧版本建议升级到稳定版
• 确认输入数据维度：LSTM的输入需要是(样本数, 时间步长, 特征数)，Embedding层输出的三维张量可以直接被LSTM处理，但要确保xtrain的格式符合要求

内容的提问来源于stack exchange，提问作者user2505650