检查目标时出错：预期 time_distributed_5 有 3 个维度，但得到形状为 (14724, 1) 的数组

尝试建立单输出回归模型，但最后一层似乎有问题

inputs = Input(shape=(48, 1))
lstm = CuDNNLSTM(256,return_sequences=True)(inputs)
lstm = Dropout(dropouts[0])(lstm)

#aux_input
auxiliary_inputs = Input(shape=(48, 7))
auxiliary_outputs = TimeDistributed(Dense(4))(auxiliary_inputs)
auxiliary_outputs = TimeDistributed(Dense(7))(auxiliary_outputs)

#concatenate
output = keras.layers.concatenate([lstm, auxiliary_outputs])

output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(64, activation='linear'))(output)
output = TimeDistributed(Dense(1, activation='linear'))(output)

model = Model(inputs=[inputs, auxiliary_inputs], outputs=[output])

我是 keras 新手...我收到以下错误

ValueError：检查目标时出错：预期 time_distributed_5 有 3 个维度，但得到了形状为 (14724, 1) 的数组

好吧，伙计们，我想我找到了解决办法 根据 -https://keras.io/layers/wrappers/ https://keras.io/layers/wrappers/它表示我们正在对每个时间步应用密集层（在我的例子中，我有 48 个时间步）。因此，我的最后一层的输出将是（batch_size、timesteps、dimensions），如下所示：

output = TimeDistributed(Dense(1, activation='linear'))(output)

将是 (?,48,1) 因此尺寸不匹配。但是，如果我想将其转换为单一回归输出，我们将必须展平最终的 TimeDistributed 层

所以我添加了以下几行来修复它：

output = Flatten()(output)
output = (Dense(1, activation='linear'))(output)

所以现在时间分布层扁平化为 49 个输入（看起来包含偏置输入）到最终的密集层为单个输出。

好的，代码运行良好，我得到了正确的结果（模型学习）。我唯一的疑问是，将 TimeDistributed 层展平为简单密集层以获得如上所述的结果在数学上是否可行？