我想借助Tensorflow模型使用R中的keras预测几个标签。
我的训练数据目标为：num [1:535, 1:5, 1:2]
我的训练数据标签（一个热编码）：model <- keras_model_sequential()
model %>%
layer_dense(units = 50, input_shape = c(measurements)) %>%
layer_dropout(0.9) %>%
layer_dense(units = 2, activation = 'sigmoid')
model %>% compile(
loss = 'binary_crossentropy',
optimizer = "Nadam",
metrics = 'accuracy')
history <- model %>% fit(
data.training, data.trainLabels,
epochs = 10000, batch_size = 128,
view_metrics = FALSE, validation_split = 0.2)
如果我使用以下适用于一个标签，适用于多个标签（在本例中为5）的模型，则会收到错误消息
py_call_impl（可调用，dots $ args，dots $ keywords）错误：
ValueError：检查目标时出错：预期density_43为2 尺寸，但数组的形状为（535，5，2）
embedded = true我尝试使用第二个密集层单元（我尝试了5个标签，10个标签x2，张量的形状等），但无济于事。
我如何修改我的模型，以便可以预测所有5个标签？