我想训练一个CNN进行分类，它使用张量（N，M，F）作为输入，其形状像（N，M，K）。地面真相已转换为类别，所以K是类的数量。
我的想法是使用Convolution2D层。
明显的问题是最终的softmax层，应该像这样：
out = ( Dense(K,activation='softmax'))(net)
返回以下错误消息
ValueError：检查目标时出错：预期density_3具有2维，但数组的形状为（N，M，K）
将输入重塑为（N，M，F，1）后，神经网络应该看起来像这样：
in = Input(shape=(M,F,1) )
net = ( Convolution2D(64 ))(in)
net = ( Convolution2D(128) )(net)
net = ( MaxPooling2D())(net)
net = ( Flatten())(net)
net = ( Dense(128))(net)
out = ( Dense(K), activation='softmax')(net)
另一种选择是将输入和输出分别重塑为（N * M，F）和（N * M，K），这对我有用，但如果可能，我想避免这种情况。有什么建议吗？