Keras的第二层（但不是第一层）的输入形状错误LSTM

Question

EDITED为简明起见。

我想在

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

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

建立一个LSTM模型，工作过的文档，例如下面三行代码（加注释）直接从文档的链接采取以上：

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: Input 0 is incompatible with layer lstm_2: expected ndim=3, found ndim=2

我得到上述执行第二model.add（）语句后错误，但exposi前将模型添加到我的数据中，甚至编译它。

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：刚刚升级到目前的1.2.2，仍然有同样的问题。

Answer 1

由于patyork回答此上github：

“第二LSTM层是没有得到的3D输入，它预计（具有（的batch_size，时间步长，特征的形状）。这是因为该第一LSTM层具有（通过运算的默认值）return_sequences = False，这意味着它仅输出在时间t-1具有形状（batch_size，32）的最后一个特征集，或者不包括时间的两个维度。“

因此，为了提供如何使用堆栈LSTM实现多对一（return_sequences = False）序列分类的代码示例，请确保在中间层上使用return_sequences = True，例如thi S：

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）