Python can'；t将我的输入数据与培训模型相匹配

我有17个班级要分类。我想用RBF神经网络来做这件事，但我的数据无法与模型相匹配。 这是代码：

from keras.layers import Layer
from keras import backend as K

class RBFLayer(Layer):
 def __init__(self, units, gamma, **kwargs):
    super(RBFLayer, self).__init__(**kwargs)
    self.units = units
    self.gamma = K.cast_to_floatx(gamma)

 def build(self, input_shape):
    self.mu = self.add_weight(name='mu',
                              shape=(int(input_shape[1]), self.units),
                              initializer='uniform',
                              trainable=True)
    super(RBFLayer, self).build(input_shape)

 def call(self, inputs):
    diff = K.expand_dims(inputs) - self.mu
    l2 = K.sum(K.pow(diff,2), axis=1)
    res = K.exp(-1 * self.gamma * l2)
    return res

 def compute_output_shape(self, input_shape):
    return (input_shape[0], self.units)

拟合数据：

from keras.layers import *
model = Sequential()
model.add(Dense(17, input_shape=(187,)))
model.add(RBFLayer(187, 0.5))
model.compile(loss='mean_squared_error',
              optimizer=RMSprop())

model.fit(X, y,
            batch_size=32,
            epochs=200,
            verbose=1)

''' 我的数据的形状是：

X:（4900187）

---

y:（187，17）

请添加错误消息和调用堆栈