Keras LSTM第二层（但不是第一层）中的输入形状误差

Question

为简洁而编辑。

我正在尝试建立一个LSTM模型，请参考以下文档示例

https://keras.io/layers/recurrent/

from keras.models import Sequential
from keras.layers import LSTM

以下三行代码（加上注释）直接来自上面的文档链接：

model = Sequential()
model.add(LSTM(32, input_dim=64, input_length=10))

# for subsequent layers, not need to specify the input size:
model.add(LSTM(16))

ValueError：输入0与层lstm_2不兼容：预期ndim = 3，找到的ndim = 2

在执行第二个model.add（）语句之后，但在将模型暴露给我的数据甚至编译它之前，我在上面得到了该错误。

我在这里做错了什么？任何帮助深表感谢。仅供参考，我正在使用Keras 1.2.1。编辑：刚刚升级到当前的1.2.2，仍然有相同的问题。

Answer 1

感谢patyork在github上回答了这个问题：

“第二个LSTM层没有获得期望的3D输入（形状为（batch_size，时间步长，特征）。这是因为第一LSTM层具有（按默认值计算）return_sequences = False，这意味着它仅输出在时间t-1设置的最后一个要素的形状（batch_size，32），或2个不包含时间的维度。”

因此，要提供一个代码示例，说明如何使用堆叠式LSTM实现多对一（return_sequences = False）序列分类，只需确保在中间层使用return_sequences = True像这样：

model = Sequential()
model.add(LSTM(32, input_dim=64, input_length=10, return_sequences=True))
model.add(LSTM(24, return_sequences=True))
model.add(LSTM(16, return_sequences=True))
model.add(LSTM(1,  return_sequences=False))

model.compile(optimizer = 'RMSprop', loss = 'categorical_crossentropy')

（没有错误）