我想训练AI，但是遇到了squeeze dim的错误，怎么解决？

Question

我正在研究这样的 LSTM 神经网络编码：

hist = model.fit(train, label,batch_size=16, epochs=1000)

但是遇到错误：

ValueError：无法挤压暗淡[1]，预期尺寸为1，'{{node Squeeze}} = SqueezeT = DT_INT64，squeeze_dims = [-1]'的尺寸为16，输入形状：[？,16]。

这是模型序列的第一个代码：

from keras.models import Sequential
from keras.layers import LSTM, Dense, Dropout
import numpy as np

batch_size = 16

model = Sequential()
model.add(LSTM(56, activation='relu',input_shape=(window_length, number_of_features),return_sequences=True))

model.add(Dropout(0.2))
model.add(LSTM(56, activation='relu', return_sequences=False))
model.add(Dropout(0.2))
model.add(Dense(number_of_features))
model.compile(loss='mse', optimizer='adam', metrics=['accuracy'])

请问可以解决吗？谢谢！

我正在尝试在 LSTM 神经网络上制作 AI 训练模型，代码应该像这样运行： ()

Answer 1

尝试检查模型摘要以查看数据集形状如何在网络中流动，并检查初始数据集形状。当数据集不匹配时就会发生这种情况。您需要以正确的方式塑造形状。当谈到暗淡兼容性时，任何数字都可以与 1 兼容，但不能与其他数字兼容。

(1, 1) 对于 (1, 16) 和 (16, 任何数字) 都可以，但如果 (1, 16 之外的任何其他数字) 或 (16, 任何其他数字) 则 (1, 16) 不起作用。检查广播的 Numpy 规则。张量流也是如此。

如果 = 是兼容性的标志，那么：

1 = any number
same number = same number 
one number not = same number