tensorflow - tflearn の LSTM のディメンションのエラー

Question

文字を予測するためにPTBデータセットをトレーニングしています（つまり、文字レベルのLSTM）。
トレーニング バッチのディメンションは [len(dataset) x ボキャブラリ_サイズ] です。ここでは、ボキャブラリー_サイズ = 27 (26+1[アンク トークンとスペースまたはピリオドの場合])。
これはバッチinput(arrX)とlabels(arrY)の両方をone_hotに変換するためのコードです。

arrX = np.zeros((len(train_data), vocabulary_size), dtype=np.float32)
arrY = np.zeros((len(train_data)-1, vocabulary_size), dtype=np.float32)
for i, x in enumerate(train_data):
     arrX[i, x] = 1
arrY = arrX[1, :] 

Graph で入力 (X) とラベル (Y) のプレースホルダーを作成して、tflearn LSTM に渡します。以下は、グラフとセッションのコードです。

batch_size = 256
with tf.Graph().as_default():
    X = tf.placeholder(shape=(None, vocabulary_size), dtype=tf.float32)       
    Y = tf.placeholder(shape=(None, vocabulary_size), dtype=tf.float32)      
    print (utils.get_incoming_shape(tf.concat(0, Y)))
    print (utils.get_incoming_shape(X))
    net = tflearn.lstm(X, 512, return_seq=True)
    print (utils.get_incoming_shape(net))
    net = tflearn.dropout(net, 0.5)
    print (utils.get_incoming_shape(net))
    net = tflearn.lstm(net, 256)
    net = tflearn.fully_connected(net, vocabulary_size, activation='softmax')
    loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(net, Y))
    optimizer = tf.train.AdamOptimizer(learning_rate=0.01).minimize(loss)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    offset=0
    avg_cost = 0
    total_batch = (train_length-1) / 256
    print ("No. of batches:", '%d' %total_batch)
    for i in range(total_batch) :
        batch_xs, batch_ys = trainX[offset : batch_size + offset], trainY[offset : batch_size + offset]
        sess.run(optimizer, feed_dict={X: batch_xs, Y: batch_ys})
        cost = sess.run(loss, feed_dict={X: batch_xs, Y: batch_ys})
        avg_cost += cost/total_batch
        if i % 20 == 0:
            print("Step:", '%03d' % i, "Loss:", str(cost))
        offset += batch_size    

SO、次のエラーが表示されますassert ndim >= 3, "Input dim should be at least 3." AssertionError: Input dim should be at least 3.

どうすればいいresolve this errorですか？代替ソリューションはありますか？別の LSTM 定義を作成する必要がありますか?