Tensorflow2.0 tf数据集与模型维度不兼容：层顺序_6的输入0与层不兼容

我正在尝试训练一个有33个输入神经元和3200个输出神经元的前馈密集型神经网络 输入数据的格式为216行33列的数据框和216行3200列的输出数据框。接下来，我使用下面的命令创建一个带有两个数据帧的tf数据集

    tf.data.Dataset.from_tensor_slices((input.values, output.T.values))

这将生成一个包含以下信息的tf数据集

TakeDataset shapes: ((33,), (3200,)), types: (tf.float64, tf.float64)

下面是我如何设计我的图层

    model1=tf.keras.models.Sequential()
    model1.add(tf.keras.layers.Dense(800,input_shape=(33,),activation='relu'))
    model1.add(tf.keras.layers.Dense(800,activation='tanh'))
    model1.add(tf.keras.layers.Dense(1000,activation='tanh'))
    model1.add(tf.keras.layers.Dense(3200))

但是，当我试图用上面显示的数据集拟合模型时，我遇到了以下错误

Input 0 of layer sequential_6 is incompatible with the layer: 
expected axis -1 of input shape to have value 33 but received input with shape [33, 1]

---

但对我来说，尺寸看起来不错。请建议如何让代码运行

奇怪的是，这里的示例可以毫无问题地运行好，我明白了。您必须“批处理”数据集，例如，

train\u dataset=tf.data.dataset.from\u tensor\u切片（（train\u x，train\u y））.batch（2）

奇怪的是，这里的示例没有任何问题，好的，我知道了。您必须“批处理”数据集，例如，从张量切片（（train\u x，train\u y））.batch（2）