大家好！
我在尝试使用Keras下面的LSTM做深度学习，我的数据是这样的：X-Train：30000个数据，每个数据6个数值，所以我的X_train是（30000*6）
根据keras的说明文档，input shape应该是（samples，timesteps，input_dim）
所以我觉得我的input shape应该是：input_shape=(30000,1,6)，但是运行后报错：
Input 0 is incompatible with layer lstm_6: expected ndim=3, found ndim=4
我觉得是input shape错了，改成（1,6）错误又变成了：
ValueError: Error when checking input: expected lstm_7_input to have 3 dimensions, but got array with shape (30000, 6)
改成（30000,6）错误提示一样
我该怎么设置input shape呢，多谢！
老哥，首先你需要理解为什么input_shape是三维的，以及每一个维度是什么含义。
个人粗浅理解input_shape是为了适应时间序列预测：输入m个序列，输出1个序列，所以才是三维。
input_shape的三个维度samples, time_steps, features
features: 是一个原始样本的特征维数， 对你的样本 6
time_steps: 是输入时间序列的长度，即用多少个连续样本预测一个输出。如果你希望用连续m个序列（每个序列即是一个原始样本），那么就应该设为m。
当然，特殊情况是m=1
samples：经过格式化后的样本数。假设原始样本(3000*6), 你选择features=6, time_steps=m,则samples=3000/m
无论你如何设置time_steps需要注意，原始样本集合是二维向量， 但网络的输入的样本集必须是三维张量（单个样本是二维向量）
一个例子
原始样本集 (3000, 6):
[[1,1,1,1,1,1] * 3000]
处理后(3000, 1, 6)
[
[[1,1,1,1,1,1]] * 3000
]
https://blog.csdn.net/x_ym/article/details/77728732
expected lstm_7_input to have 3 dimensions，要求的数据是三维的啊， (30000, 6)，这是二维，你要对其中某一维再reshape