Python 在一个多类模型中，最后一个致密层的形状是（1，）吗？

我有一个15节课的多节课问题。模型如下：

def创建模型（潜在维度=1000，数量类=15）：
input\ux=input（shape=（潜在维度，1），dtype='float32'）
conv_1=Conv1D（16，内核大小=（64），激活=（relu'）（输入x）
maxpool\u 1=MaxPool1D（池大小=（4））（conv\u 1）
bn_1=BatchNormalization（）（maxpool_1）
conv_2=Conv1D（32，内核大小=（32），激活=（relu'）（bn_1）
maxpool_2=MaxPool1D（池大小=（4））（conv_2）
bn_2=BatchNormalization（）（maxpool_2）
conv_3=Conv1D（64，内核大小=（16），激活=（relu'）（bn_2）
bn_3=BatchNormalization（）（conv_3）
conv_4=Conv1D（128，内核大小=（4），激活=（relu'）（bn_3）
展平=展平（）（conv_4）
密度1=密度（单位=128，激活=relu'）（展平）
输出=密集（单位=64，激活=relu'）（密度1）
模型=模型（输入x，输出）
inputA=Input（shape=（潜在维度，1），dtype='float32'）
inputB=Input（shape=（潜在维度，1），dtype='float32'）
inputt=Input（shape=（潜在维度，1），dtype='float32'）
inputD=Input（shape=（潜在维度，1），dtype='float32'）
输入=输入（形状=（潜在维度，1），数据类型='float32'）
cnn_out1=模型（输入）
cnn_out2=模型（输入B）
cnn_out3=模型（输入UTC）
cnn_out4=模型（输入）
cnn_out5=模型（输入）
组合=连接（[cnn_out1，cnn_out2，cnn_out3，cnn_out4，cnn_out5]，轴=-1）
完全连接=密集（128，activation=“relu”）（组合）
输出\u fc=密集（15，activation=“softmax”）（完全连接）
模型_编码=模型（输入=[inputA，inputB，InputUTC，inputD，Input]，输出=输出_fc）
模型编码.compile（优化器='adam'，loss='classifical\u crossentropy'，metrics=['accurity']）
打印（型号编码的.summary（））
返回模型

在这个模型的生成器中，我得到的数据如下：

def data_gen（）：
#一些操作
收益率chx，分类（chy，15）

它们的形状是：

print（len（chx））#5
打印（chx[0].形状）#（321000,1）
印刷品（len（chy））#32
打印（到分类（chy，15）。形状）#（32，15）

32是我的批量大小，5是5个输入层。（1000，1）只是一个信号数据

当我尝试训练这个模型时，它给出了错误：

ValueError:checking target时出错：预期稠密_4具有形状（1），但得到了具有形状（15）的数组。

我看不出问题出在哪里。为什么我不能训练这个模型？我可以提供更多的信息，如果你需要