Keras LSTM 密集层多维输入

我正在尝试创建一个 keras LSTM 来预测时间序列。我的 x_train 形状像 3000,15,10 （示例、时间步长、特征），y_train 形状像 3000,15,1，我正在尝试构建一个多对多模型（每个序列 10 个输入特征产生 1 个输出/序列）。

我正在使用的代码是这样的：

model = Sequential()

model.add(LSTM(
    10,
    input_shape=(15, 10),
    return_sequences=True))
model.add(Dropout(0.2))

model.add(LSTM(
    100,
    return_sequences=True))
model.add(Dropout(0.2))
model.add(Dense(1, activation='linear'))
model.compile(loss="mse", optimizer="rmsprop")
model.fit(
        X_train, y_train,
        batch_size=512, nb_epoch=1, validation_split=0.05)

但是，使用时我无法拟合模型：

model.add(Dense(1, activation='linear'))
>> Error when checking model target: expected dense_1 to have 2 dimensions, but got array with shape (3000, 15, 1)

或者以这种方式格式化时：

model.add(Dense(1))
model.add(Activation("linear"))
>> Error when checking model target: expected activation_1 to have 2 dimensions, but got array with shape (3000, 15, 1)

我已经尝试过压平模型（model.add(Flatten())）在添加致密层之前但这只是给了我ValueError: Input 0 is incompatible with layer flatten_1: expected ndim >= 3, found ndim=2。这让我很困惑，因为我认为我的数据实际上是 3 维的，不是吗？

代码源自https://github.com/Vict0rSch/deep_learning/tree/master/keras/recurrent https://github.com/Vict0rSch/deep_learning/tree/master/keras/recurrent

的情况下keras < 2.0: 你需要使用TimeDistributed https://keras.io/layers/wrappers/#Time包装器以便将其按元素应用于序列。

的情况下keras >= 2.0: Dense默认情况下，图层按元素应用。