Python tensorflow值错误：形状不兼容

我的模型的

x

是一个浮点数组（每个示例是一个包含40个元素的数组）。我的模型的

y

也是一个浮点数组数组（每个示例是一个包含80个元素的数组）。下面是复制我的问题的代码：

将tensorflow导入为tf
从tensorflow.keras导入模型、图层
将numpy作为np导入
x=[]
对于范围（100）内的i：
随机浮点数的数组=np.random.random样本（（40））
x、 追加（随机浮点数的数组）
x=np.asarray（x）
y=[]
对于范围（100）内的i：
随机浮点数的数组=np.random.random样本（（80））
y、 追加（随机浮点数的数组）
y=np.asarray（y）
print（f“x有{len（x）}个元素。每个元素有{len（x[0]）}个元素”）
#x有100个元素。每个元素有40个元素
print（f“y有{len（y）}个元素。每个元素有{len（y[0]）}个元素”）
#y有100个元素。每个元素有80个元素
模型=模型。顺序([
图层.输入（形状=（40，），
层。密度（单位=40），
])
compile（loss='classifical_crossentropy'，optimizer='adam'，metrics=['accurity']）
打印（model.summary（））
历史=模型拟合（x=x，
y=y，
时代=100）

这就是产生的错误

ValueError: Shapes (None, 80) and (None, 40) are incompatible

---

出了什么问题？

为了测量损耗，尺寸需要匹配。您试图将

（100,40）

的输出与

（100,80）

的目标数组进行比较，我知道。但事实上，每个y总是x的两倍长。我该怎么做？把最后一层的单位改为80