我正在尝试建立一个双向LSTM模型，该模型在其顶部具有单词嵌入层。序列输入将是一个数组，其中每个单词的嵌入维数为128。目标（标签）将是-1、0和1的数组。将填充特征和标签，并且将最长句子（单词数组）的长度用作输入长度。预测输出应为-1、0、1的序列。在进一步阅读之前，请知道我对Keras还是很陌生。
这是我的代码，下面解释了变量：
self.model = Sequential()
embedding_layer = Embedding(self.vocab_size, self.embedding_dimension, weights=[self.weight_matrix],
input_length=self.max_sentence_length, trainable=False)
self.model.add(embedding_layer)
bidirectional = Bidirectional(LSTM(self.units, return_sequences=self.return_sequences),
input_shape=self.input_shape)
self.model.add(bidirectional)
self.model.add(TimeDistributed(Dense(3)))
self.model.compile(loss=self.loss_function, optimizer=self.optimizer, metrics="acc")
以下是变量：
vocab_size = 100003
embedding_dimension = 128
weight_matrix = (100003, 128)
max_sentence_length = 267
units = 20
return_sequences = True
input_shape = (500, 267) # where 500 = number of sequences
loss_function = "binary_crossentropy"
optimizer = "adam"
我尝试使用以下代码行进行训练：
self.model.fit([self.padded_features], [self.padded_labels], epochs=layer_epochs, batch_size=batch_size, verbose=verbose, validation_split=validation_frac, callbacks=self.custom_metrics)`
padded_features和padded_labels的大小均为（500，267），表示500个序列，每个序列共有267个独立的整数值，每个值代表一个单词（和填充）。可以将用于嵌入层的权重矩阵看成是字典，将代表单词的整数值转换为其128维嵌入层。
但是，当我运行代码时，出现以下错误：
ValueError: Error when checking target: expected time_distributed_1 to have 3 dimensions, but got array with shape (500, 267)
我认为LSTM输出是3D。我已经尝试解决这个问题了好几个小时，但还没有找到解决它的方法。我试图调试并查看形状从一层到另一层的形状，并试图在它们之间放置“重塑”形状，但是我也没有成功。
我需要LSTM的最终输出为该序列中每个单词的3个值，以便每个输入序列得到一个输出序列，并用0、1和-1填充（-1是给定的标签输入序列中的每个单词。
任何帮助将不胜感激。