我正在尝试使用keras functional api构建多输入多输出模型，并且正在遵循他们的代码
但是我得到了这个错误：
ValueError：输入0与层lstm_54不兼容：预期
ndim = 3，找到的ndim = 4
我在创建lstm_out层时遇到了该错误，这是代码：
def build_model(self):
main_input = Input(shape=(self.seq_len, 1), name='main_input')
#seq_len = 50, vocab_len = 1000
x = Embedding(output_dim=512, input_dim=self.vocab_len()+1, input_length=self.seq_len)(main_input)
# A LSTM will transform the vector sequence into a single vector,
# containing information about the entire sequence
lstm_out = LSTM(50)(x)
self.auxiliary_output = Dense(1, activation='sigmoid', name='aux_output')(lstm_out)
auxiliary_input = Input(shape=(self.seq_len,1), name='aux_input')
x = concatenate([lstm_out, auxiliary_input])
# We stack a deep densely-connected network on top
x = Dense(64, activation='relu')(x)
x = Dense(64, activation='relu')(x)
x = Dense(64, activation='relu')(x)
# And finally we add the main logistic regression layer
main_output = Dense(1, activation='sigmoid', name='main_output')(x)
self.model = Model(inputs=[main_input, auxiliary_input], outputs=[main_output, auxiliary_output])
print(self.model.summary())
self.model.compile(optimizer='rmsprop', loss='binary_crossentropy',
loss_weights=[1., 0.2])
我以为问题出在嵌入层中，但我在keras Embedding documentation中读到（input_dim应该等于词汇量+ 1）。
我不确切知道为什么会得到这个，input_dim中确切的错误是什么，以及如何解决？
最佳答案
嵌入的输入形状应为2D张量，形状为：（batch_size，sequence_length）。在您的代码段中提供了main_input，它是一个3D张量。要解决此问题，请更改以下几行：
main_input = Input(shape=(self.seq_len, 1), name='main_input')
<...>
auxiliary_input = Input(shape=(self.seq_len,1), name='aux_input')
至：
main_input = Input(shape=(self.seq_len, ), name='main_input')
<...>
auxiliary_input = Input(shape=(self.seq_len, ), name='aux_input')
它应该解决不同维度的问题
关于python - Keras功能性API给出错误“预期ndim = 3，找到的ndim = 4”，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53460392/