通过附加层获取LSTM ValueError

如何解决通过附加层获取LSTM ValueError

我的数据集由十五个不同维度组成，这些维度以固定间隔（即每10分钟一次）收集。数据集的总大小为15个维度的99个条目。我将数据集分为训练和验证两类。我想尝试LSTM模型（到目前为止，数据大小可能会更小，但这只是出于测试目的）

我的数据集详细信息如下。

<RepeatDataset shapes: ((None,20,14),(None,)),types: (tf.float64,tf.float64)>
<RepeatDataset shapes: ((None,tf.float64)>

第一行是训练数据，第二行是关于验证数据。

当我执行下面的代码时，由于lstm_21层的输入0与该层不兼容，我得到ValueError：期望的ndim = 3，找到的ndim = 2。收到完整的图形：[无，16]

STEPS_PER_EPOCH = 5
EPOCHS = 5

single_step_model = tf.keras.models.Sequential()
single_step_model.add(tf.keras.layers.LSTM(32,input_shape=x_train_single.shape[-2:]))
single_step_model.add(tf.keras.layers.LSTM(16))
single_step_model.add(tf.keras.layers.Dense(1,activation='relu',use_bias=True,kernel_initializer='glorot_uniform'))

single_step_model.compile(optimizer=tf.keras.optimizers.Adam(),loss='mae',metrics=['accuracy'])

single_step_history = single_step_model.fit(train_data_single,epochs=EPOCHS,steps_per_epoch=STEPS_PER_EPOCH,validation_data=val_data_single,validation_steps=5)

对于单个LSTM层，没有错误。但是为什么在尝试添加第二个LSTM层时却出现错误。