Keras LSTM错误

当我尝试从keras示例运行LSTM文本生成器示例时，出现以下错误。

未知参数：“-target-feature”。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：' -target-feature”。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-rdseed'。铛：错误：未知参数：“-target-feature”。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-sha'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：未知参数：'-目标功能'。铛：错误：没有这样的文件或目录：'+ cx16'。铛：错误：没有这样的文件或目录：'+ xsave'。铛：错误：没有这样的文件或目录：'+ bmi2'。铛：错误：无法识别的语言：'savec'。铛：错误：没有这样的文件或目录：'+ fsgsbase'。铛：错误：没有这样的文件或目录：'+ avx'。铛：错误：没有这样的文件或目录：'+ rtm'。铛：错误：没有这样的文件或目录：'+ popcnt'。铛：错误：没有这样的文件或目录：'+ fma'。铛：错误：没有这样的文件或目录：'+ bmi'。铛：错误：没有这样的文件或目录：'+ aes'。铛：错误：没有这样的文件或目录：'+ rdrnd'。铛：错误：无法识别的语言：'保存'。铛：错误：没有这样的文件或目录：'+ sse4.1'。铛：错误：没有这样的文件或目录：'+ sse4.2'。铛：错误：没有这样的文件或目录：'+ avx2'。铛：错误：没有这样的文件或目录：'+ sse'。铛：错误：没有这样的文件或目录：'+ lzcnt'。铛：错误：没有这样的文件或目录：'+ pclmul'。铛：错误：没有这样的文件或目录：'+ f16c'。铛：错误：没有这样的文件或目录：'+ ssse3'。铛：错误：没有这样的文件或目录：'+ mmx'。铛：错误：没有这样的文件或目录：'+ cmov'。铛：错误：无法识别的语言：'op'。铛：错误：没有这样的文件或目录：'+ movbe'。铛：错误：没有这样的文件或目录：'+ hle'。铛：错误：没有这样的文件或目录：'+ xsaveopt'。铛：错误：没有这样的文件或目录：'+ sse2'。铛：错误：没有这样的文件或目录：'+ sse3'。”，“ [[DotModulo（A，s，m，A2，s2，m2）]'）没有这样的文件或目录：'+ sse3'。”，“ [[DotModulo（A，s，m，A2，s2，m2）]'）没有这样的文件或目录：'+ sse3'。”，“ [[DotModulo（A，s，m，A2，s2，m2）]'）

除了将自己的数据传递给代码外，我没有对代码进行任何更改。这是我的代码。

from keras.models import Sequential
from keras.layers.core import Dense, Activation, Dropout
from keras.layers.recurrent import LSTM
import numpy as np
import random
import sys

text = texts[0]
print('corpus length:', len(text))

chars = set(text)
print('total chars:', len(chars))
char_indices = dict((c, i) for i, c in enumerate(chars))
indices_char = dict((i, c) for i, c in enumerate(chars))

# cut the text in semi-redundant sequences of maxlen characters
maxlen = 40
step = 3
sentences = []
next_chars = []
for i in range(0, len(text) - maxlen, step):
    sentences.append(text[i: i + maxlen])
    next_chars.append(text[i + maxlen])
print('nb sequences:', len(sentences))

print('Vectorization...')
X = np.zeros((len(sentences), maxlen, len(chars)), dtype=np.bool)
y = np.zeros((len(sentences), len(chars)), dtype=np.bool)
for i, sentence in enumerate(sentences):
    for t, char in enumerate(sentence):
        X[i, t, char_indices[char]] = 1
    y[i, char_indices[next_chars[i]]] = 1


# build the model: 2 stacked LSTM
print('Build model...')
model = Sequential()
model.add(LSTM(512, return_sequences=True, input_shape=(maxlen,     len(chars))))
model.add(Dropout(0.2))
model.add(LSTM(512, return_sequences=False))
model.add(Dropout(0.2))
model.add(Dense(len(chars)))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy', optimizer='rmsprop')


def sample(a, temperature=1.0):
    # helper function to sample an index from a probability array
    a = np.log(a) / temperature
    a = np.exp(a) / np.sum(np.exp(a))
    return np.argmax(np.random.multinomial(1, a, 1))

# train the model, output generated text after each iteration
for iteration in range(1, 60):
    print()
    print('-' * 50)
    print('Iteration', iteration)
    model.fit(X, y, batch_size=128, nb_epoch=1)

    start_index = random.randint(0, len(text) - maxlen - 1)

    for diversity in [0.2, 0.5, 1.0, 1.2]:
        print()
        print('----- diversity:', diversity)

        generated = ''
        sentence = text[start_index: start_index + maxlen]
        generated += sentence
        print('----- Generating with seed: "' + sentence + '"')
        sys.stdout.write(generated)

        for i in range(400):
            x = np.zeros((1, maxlen, len(chars)))
            for t, char in enumerate(sentence):
                x[0, t, char_indices[char]] = 1.

            preds = model.predict(x, verbose=0)[0]
            next_index = sample(preds, diversity)
            next_char = indices_char[next_index]

            generated += next_char
            sentence = sentence[1:] + next_char

            sys.stdout.write(next_char)
            sys.stdout.flush()
        print()

请帮我。