无法训练LSTM模型ValueError：数据基数不明确：

问题描述

对于LSTM模型，我收到此错误。 数据有三列

1. 句子（输入）
2. 值（输出）
3. 标签（输出） 我正在使用tensorflow2.3.0。我已经按照建议的方式尝试了2.0.0，但是我遇到了依赖错误。

请帮助我解决以下引号中的错误

“ ValueError：数据基数不明确：

x尺寸：720

y尺寸：89

请提供具有相同第一维度的数据。”

### Create sequence
vocab_size = 20000
tokenizer = Tokenizer(num_words= vocab_size)
tokenizer.fit_on_texts(df['Sentence'])
sequences = tokenizer.texts_to_sequences(df['Sentence'])
data = pad_sequences(sequences,maxlen=100)

le = LabelEncoder()

df['label'] = le.fit_transform(df['label'])

X = df['Sentence']
y = df[['value','label']]


X_train,y_train,X_test,y_test = train_test_split(X,y,test_size = 0.1)

tokenizer = Tokenizer(num_words=5000)
tokenizer.fit_on_texts(X_train)

X_train = tokenizer.texts_to_sequences(X_train)
X_test = tokenizer.texts_to_sequences(X_test)

vocab_size = len(tokenizer.word_index) + 1

maxlen = 200

X_train = pad_sequences(X_train,padding='post',maxlen=maxlen)
X_test = pad_sequences(X_test,maxlen=maxlen)


#print(X_train.shape,X_test.shape,y_train.shape,y_test.shape)

model = Sequential()
model.add(Embedding(vocab_size,128))
model.add(LSTM(128,dropout=0.2,recurrent_dropout=0.2))
model.add(Flatten())
model.add(Dense(2,activation='sigmoid'))

# try using different optimizers and different optimizer configs
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
print(model.summary())

model.fit(X_train,epochs=3,batch_size=8,validation_split=0.1)
accr = model.evaluate(X_test,y_test)
print('Test set\n  Loss: {:0.3f}\n  Accuracy: {:0.3f}'.format(accr[0],accr[1]))

解决方法

您的数据有两个输出（“值”和“标签”列）。但是您的模型只有一个输出。

此代码有效：

X_train = tf.random.uniform([100,100],100,dtype=tf.int32)
y_train = tf.random.uniform([100,2])
model.fit(X_train,y_train,epochs=3,batch_size=8,validation_split=0.1)

检查y_train的形状。应该是[batch_size，2]。