Tensorflow 在keras损失函数中使用点函数时的不同形状

我试图在keras中使用自定义损失：

from tensorflow.keras import backend as K

def IoULoss(targets, inputs, smooth=1e-6):
    #flatten label and prediction tensors
    inputs = K.flatten(inputs)
    targets = K.flatten(targets)
    intersection = K.sum(K.dot(targets, inputs))
    total = K.sum(targets) + K.sum(inputs)
    union = total - intersection   
    IoU = (intersection + smooth) / (union + smooth)
    return 1 - IoU

...
model.compile(loss=IoULoss, optimizer=Adam())
...
model.fit(img_train, img_gt, batch_size=2, epochs=epochs)

img_train

是一个具有形状

（N，512，512，3）

的numpy数组

img\u gt

是一个具有形状

（N，512，512，1）

的numpy数组。有了标准的

categorical\u crossentropy

loss，一切都正常运行，没有崩溃。但当我尝试使用自定义IoULoss时，我犯了一个错误：

ValueError: Shape must be rank 2 but is rank 1 for '{{node IoULoss/MatMul}} = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false](IoULoss/Reshape_1, IoULoss/Reshape)' with input shapes: [?], [?].

IoULoss

中的

目标和
输入开始时具有形状
（无、512、512、1）

这里可能有什么问题