Python Tensorflow-Keras多重预测模型

我试着用一个卷积神经网络来预测单个图像的多个输出。现在，图像/相关值以

img、value_1、value_2、value_3、value_4、value_5

的形式存在于tensorflow数据集中，其中所有数据都是张量。我使用以下代码创建了一个模型：

model=models.Sequential（）
添加（layers.Conv2D（32，（3,3），activation='relu'，input_shape=（IMG_高度，IMG_宽度，3）））
添加（layers.MaxPooling2D（（2,2）））
添加（layers.Conv2D（64，（3,3），activation='relu'））
添加（layers.MaxPooling2D（（2,2）））
添加（layers.Conv2D（64，（3,3），activation='relu'））
model.add（layers.flatte（））
model.add（layers.Dense（64，activation='relu'））
model.add（layers.Dense（5，activation='softmax'））
model.compile（优化器='adam'，
损失=“稀疏”\u分类”\u交叉熵'，
指标=['mae']）
模型拟合（序列，历元=2，每历元步数=每历元步数）

当我运行此程序时，会出现以下错误：

ValueError:要解压缩的值太多（预期为3个）

---

我还尝试将数据集创建为

img形式（value\u 1、value\u 2、value\u 3、value\u 4、value\u 5）

，但这会产生以下错误：

ValueError:检查模型目标时出错：传递给模型的Numpy数组列表不是模型预期的大小。期望看到1个数组，但得到了以下5个数组的列表：[，，，请显示您的列车代码。@pawols我已用相关代码更新了帖子