多对一LSTM,多类分类

尺寸为(170000、50500)->(示例、时间步长、特征数量)
输出:

到目前为止,我已经尝试了这段代码,但出现了一个错误,指出密集层应该有一个3D输入。

model = Sequential()
model.add(LSTM(64, input_shape=(50, 500), return_sequences=True,dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(units = 10,activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(input, output, epochs=1, batch_size=64)

唯一可行的是改变输出,使其具有以下形式:(170000,50,10),除了第50个时间步长外,基本上都是零。

这是正确的方法吗?如果是这样,还有更有效的方法吗?我担心的是,扩展输出的形状可能会降低代码的效率。