Keras LSTM金融时序模型报错：期望3维数组却得到2维数组

嘿，我来帮你搞定这个维度不匹配的坑！先直接说核心问题：你的LSTM层参数设置和目标数据的形状不匹配，再加上生成器里有个逻辑小bug，咱们一步一步来修复。

问题根源拆解 #

先看报错信息：expected lstm_1 to have 3 dimensions, but got array with shape (500, 8640)

• 你给LSTM层加了return_sequences=True，这个参数会让LSTM返回每个时间步的输出，输出形状是(batch_size, timesteps, units)也就是(500, 8640, 1)，是三维数组。
• 但你的y_batch是(500, 8640)的二维数组，而且从代码逻辑看，你其实是想给每一段8640步的输入序列，对应一个单一目标值（取的是j+periods位置的target_buy），这就完全不匹配了。

另外你的生成器还有个隐藏bug：while len(x_batch) < batch_size: 这里x_batch初始化时就是(500, 8640, 13)，len(x_batch)等于你设置的batch_size，所以这个循环根本不会执行，生成的x和y都是全0的数组，这也是个大坑！

修复步骤 #

1. 修正数据生成器的逻辑和y_batch形状

把生成器里的y_batch改成每个样本对应一个目标值，同时修正循环条件：

def gen(batch_size, periods):
    j = 0
    features = ['ask_close', 'ask_open', 'ask_high', 'ask_low', 'bid_close', 'bid_open', 'bid_high', 'bid_low', 'open', 'high', 'low', 'close', 'price']
    with pd.HDFStore('datasets/eurusd.h5') as store:
        df = store['train_buy']
        x_shape = (batch_size, periods, len(features))
        x_batch = np.zeros(shape=x_shape, dtype=np.float16)
        # 修改y_shape为每个样本对应一个目标值
        y_shape = (batch_size, 1)
        y_batch = np.zeros(shape=y_shape, dtype=np.float16)
        while True:
            i = 0
            # 循环条件改为i < batch_size，按索引填充样本
            while i < batch_size:
                if df.iloc[j+periods]['direction'].values == 1:
                    x_batch[i] = df.iloc[j:j+periods][features].values
                    # 直接赋值标量到y_batch的对应位置
                    y_batch[i, 0] = df.iloc[j+periods]['target_buy'][0].round(4)
                    i += 1
                j += 1
                if j == 56241737 - periods:
                    j = 0
            yield x_batch, y_batch

2. 调整LSTM层的参数

因为你的任务是序列到单个输出（一段时间序列对应一个预测值），所以要去掉return_sequences=True（默认值是False），这样LSTM只会返回最后一个时间步的输出，形状是(batch_size, 1)，和修正后的y_batch完美匹配：

model = Sequential()
# 移除return_sequences=True，让LSTM返回单个时间步的输出
model.add(LSTM(units=1, input_shape=(None, feature_no)))
optimizer = RMSprop(lr=1e-3)
model.compile(loss='mse', optimizer=optimizer)
model.fit_generator(generator=generator, epochs=10, steps_per_epoch=112483)

补充：如果是序列到序列任务 #

要是你实际需要模型预测每个时间步的目标值，那需要把y_batch改成三维数组：

• 将y_shape改为(batch_size, periods, 1)
• 赋值时对应每个时间步的目标数据（不过从你的代码逻辑看，你当前的需求不是这个，所以大概率不需要这个方案）

这样改完之后，维度匹配的问题就解决了，生成器也能正确填充训练数据啦！

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