Python 如何调整Keras模型的输出尺寸？

我正试图用Keras建立一个人工神经网络。模型的输入维度为（5,5,2），而输出维度为（5,5）。运行keras.fit（）函数时，我遇到以下错误：

ValueError:检查目标时出错：预期密集_3有4个维度，但得到了形状为（5,5）的数组

这是我正在执行的代码

从keras.models导入
从keras.layers导入致密、平坦
将matplotlib.pyplot作为plt导入
从keras.callbacks导入EarlyStoping、ModelCheckpoint
模型=顺序（）
添加（密集（1000，输入_形状=（5,5,2），激活=“relu”））
添加（密集（1000，activation=“relu”））
添加（密集（2），输出_形状=（5,5））
model.summary（）
compile（optimizer=“adam”，loss=“mse”，metrics=[“mse”]）
监视器（val）acc=提前停止（监视器=“失去”，耐心=10）
历史=model.fit（trainX，trainYbliss，epochs=1000，验证数据=（testX，testY），回调=[monitor\u val\u acc]，verbose=1）
临床=模型预测（np.arange（0，len（testY）））

以下是网络的体系结构：

层（类型）输出形状参数
=================================================================
密集型_1（密集型）（无，5，5，1000）3000
_________________________________________________________________
密集型_2（密集型）（无，5，5，1000）1001000
_________________________________________________________________
密集型_3（密集型）（无、5、5、1）1001
=================================================================
总参数：1005001
可培训参数：1005001
不可训练参数：0
_________________________________________________________________

---

模型应在（5,5,2）数组的基础上输出（5,5）数组，但在最低隐藏层失败。如何解决此问题？

您的网络将输出一个形状为

的张量（批量大小，5,5,1）

。你的输出是四维张量吗？

---

如果它是

（5,5）

的单个值，则需要将其重塑为

（1,5,5,1）

，我认为使用以下代码作为参考，根据输入值更改值：

列车数据=列车数据.整形（列车数据.形状[0]，10,30,30,1）

---

对于输入的列车数据，

您能否确认并粘贴输入和输出形状的输出（

trainX

和

trainbliss

）。@MartinDinov trainX.shape（）=（1,5,5,2），trainYbliss.shape（）=（1,5,5,1）没错，但问题是我不知道怎么做