使用tensorflow数据集输入LSTM模型的形状

Question

我有一个简单的数据集，其中包含x_train（1048575，19）和y_train（1048575，）

我的代码如下所示

x_train = np.array(feature_df.values)
y_train = np.array(target.values)


x_train = x_train.reshape(-1,1,19)
y_train = y_train.reshape(-1,1,1)


model = tf.keras.Sequential([
  LSTM(64, activation='tanh', input_shape=(1, 19),return_sequences = True),
  LSTM(64, activation='tanh',return_sequences = True),
  LSTM(64, activation='tanh',return_sequences = True),
  LSTM(64, activation='tanh',return_sequences = True),
  Dense(10, activation='relu'),
  Dense(1)
])
model.compile(optimizer='adam',
            loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
            metrics=['accuracy'])

model.fit(x_train,y_train, epochs=5)

我遵循了这个question，将我的x和y火车重塑为3维，效果很好。

我上面的代码有两个问题

1。这样重塑y_train是否正确？
2.我想知道是否将tensorflow数据集作为我的fit函数的输入，我应该如何重塑数据集？

例如，我用

dataset = tf.data.Dataset.from_tensor_slices((feature_df.values, target.values))
# with LSTM(64, activation='tanh', input_shape=(1, 19),return_sequences = True)
model.fit(dataset, epochs=5)

这给我错误

ValueError: Error when checking input: expected lstm_input to have 3 dimensions, 
but got array with shape (19, 1)

我尝试对我的数据集使用expand_dims，但是它不起作用

如果我使用tensorflow数据集，应如何重塑数据集？

谢谢！