创建LSTM分类器时出现错误，提示“输入必须有3个维度，但输入只有2个维度”。

这个错误通常发生在输入数据是2D矩阵而不是3D张量的情况下，所以我们需要将输入数据转换为3D张量。可以使用numpy的reshape方法或者tf.expand_dims在数据顶部添加一个新维度来实现数据转换。

例如，假设我们有一个2D的输入矩阵x_train，形状为(100, 10)，表示有100个样本，每个样本由10个特征组成。我们可以使用reshape方法将其转换成3D张量，形状为(100, 10, 1)：

import numpy as np

x_train = np.random.rand(100, 10) # 2D输入矩阵
x_train_3d = x_train.reshape((100, 10, 1)) # 转换为3D张量

或者使用tf.expand_dims方法添加一个新维度：

import tensorflow as tf
import numpy as np

x_train = np.random.rand(100, 10) # 2D输入矩阵
x_train_3d = tf.expand_dims(x_train, axis=2)  # 转换为3D张量

转换后，我们可以将x_train_3d传递给LSTM分类器进行训练。