Как исправить размеры слоя активации для LSTM в keras с замаскированным слоем

Посмотрев на следующую суть и проведя некоторые базовые тесты, я пытаюсь создать NER система с использованием LSTM в keras. Я использую генератор и вызываю fit_generator.

Вот моя базовая модель keras:

model = Sequential([
    Embedding(input_dim=max_features, output_dim=embedding_size, input_length=maxlen, mask_zero=True),
    Bidirectional(LSTM(hidden_size, return_sequences=True)),
    TimeDistributed(Dense(out_size)),
    Activation('softmax')
])
model.compile(loss='binary_crossentropy', optimizer='adam')

Мой входной размер кажется правильным:

>>> generator = generate()
>>> i,t = next(generator)
>>> print( "Inputs: {}".format(model.input_shape))
>>> print( "Outputs: {}".format(model.output_shape))
>>> print( "Actual input: {}".format(i.shape))
Inputs: (None, 3949)
Outputs: (None, 3949, 1)
Actual input: (45, 3949)

Однако, когда я звоню:

model.fit_generator(generator, steps_per_epoch=STEPS_PER_EPOCH, epochs=EPOCHS)

Кажется, я получаю следующую ошибку:

ValueError: 
  Error when checking target: 
    expected activation_1 to have 3 dimensions, 
    but got array with shape (45, 3949)

Я видел несколько других примеров похожие проблемы, из-за чего я считаю, что мне нужно Flatten() вводить данные до Activation(), но если я это сделаю, я получу следующую ошибку.

Layer flatten_1 does not support masking, 
but was passed an input_mask: 
    Tensor("embedding_37/NotEqual:0", shape=(?, 3949), dtype=bool)

Как и в предыдущих вопросах, мой генератор функционально эквивалентен:

def generate():
    maxlen=3949
    while True:
        inputs = np.random.randint(55604, size=maxlen)
        targets = np.random.randint(2, size=maxlen)
        yield inputs, targets

Я не предполагаю, что мне нужно Flatten, и я открыт для дополнительных предложений.