因此，每次我尝试编写 CNN 或 RNN 时，我都无法理解维度是如何工作的。

1. 我不明白为什么模型会编译，这在我看来意味着上一层的输出维度是下一层的输入维度，依此类推（各层相互兼容）。那么，当我拟合我的模型时，怎么可能在第 3 层或第 4 层（或除第一层之外的任何其他层）中出现错误，说对于 ex 它期望 3 维但得到 2。

2. 在一个更精确的例子中，假设我有以下一次性模型：

   vocab_size =10000
   src_txt_length =10
   sum_txt_length = 100
   
   inputs = Input(shape=(src_txt_length,))
   encoder1 = Embedding(vocab_size, 128)(inputs)
   encoder2 = LSTM(128)(encoder1)
   encoder3 = RepeatVector(sum_txt_length)(encoder2)
   
   decoder1 = LSTM(128, return_sequences=True)(encoder3)
   outputs = TimeDistributed(Dense(vocab_size, activation='softmax'))(decoder1)
   model = Model(inputs=inputs, outputs=outputs)
   model.compile(loss='categorical_crossentropy', optimizer='adam')
   model.fit(X,y)
   

我在 TimeDistributed 层中收到一个错误，说它需要 3 个维度但得到了 2 个维度。

X.shape == (20000,10)
len(y) == 20000  # y is a list of labels 0s and 1s

所以如果我想在纸上拟合数据时计算每一层的尺寸，我该怎么做呢？