Tensorflow ValueError:两个形状中的尺寸0必须相等，但分别为10和1。形状为[10]和[1]

我正在创建一个LSTM网络。虽然目标有10个不同的类值（1-10），但我的输入板顺序排列了形状数组（140017640）、掩码数组（140017640）和形状数组（1400）的y（目标数组）。 因此，我将10个单位的输出密集层和损耗定义为稀疏分类交叉熵。 LSTM网络代码：-

pad_seq = np.random.rand(17640,1)

def create_model():

#input 1 (pad sequence)
input_layer1 = Input(shape=(17640,1),name = 'input_layer',dtype='float32')

#input 2 (mask)
input_layer2 = Input(shape=(17640,),name='input_mask',dtype='bool')

#LSTM layer
LSTM_layer = LSTM(25,return_sequences=False,name = 'LSTM_layer')(input_layer1,mask = input_layer2)

#Dense layer
dense = Dense(50,activation='relu',kernel_initializer=he_normal(),kernel_regularizer=l2(0.0001),name = 'dense')(LSTM_layer)

#output layer
dense_1 = Dense(10, activation = 'softmax',name='dense_1')(dense)

#concat = concatenate([input_layer,input_mask])

model = Model([input_layer1, input_layer2],dense_1)

#compile
model.compile(loss='SparseCategoricalCrossentropy', optimizer=keras.optimizers.Adam(lr=0.001,decay = 1e-4),metrics=[tfa.metrics.F1Score(num_classes = 10)])

return model

但在拟合模型时，我得到了一个值错误：

ValueError: Dimension 0 in both shapes must be equal, but are 10 and 1. Shapes are [10] and [1]. for '{{node AssignAddVariableOp_5}} = AssignAddVariableOp[dtype=DT_FLOAT](AssignAddVariableOp_5/resource, Cast_6)' with input shapes: [], [1].

---

哪两个输入形状相互比较，哪两个输入形状应该匹配才能拟合模型请使用

np.random.rand（17640，1）

提供虚拟输入，以便我们可以复制粘贴您的代码并再现错误。@Nicolas Gervais我已经编辑了代码。请使用

np.random.rand（17640，1）提供虚拟输入

这样我们就可以复制粘贴您的代码并重现错误。@NicolasGervais我已经编辑了代码。