keras SimpleRNN 模型数据形状解释

Question

我有一个非常简单的 keras 顺序模型：

model = keras.models.Sequential([
    keras.layers.SimpleRNN(1, input_shape=[None, 1], return_sequences=True),
])
model.compile(loss='mse')

我的（玩具）数据如下所示：

X = np.array([[1,2],[3,4],[5,6], [7,8]])[...,np.newaxis]
y = np.array([3,5,7,9])[..., np.newaxis]

X.shape -> (4,2,1)
y.shape -> (4,1)

因为我return_sequences，我希望我的输出形状是(4,2,1)。
这也是model.predict(X)返回的内容。
我的问题：当模型预测输出的形状与y 的形状不匹配时，如何在拟合中计算损失？
keras.layers.mse(model.predict(X), y) 引发形状不匹配..

要试验的完整代码：

from tensorflow import keras
import numpy as np

X = np.array([[1,2],[3,4],[5,6], [7,8]])[...,np.newaxis]
y = np.array([3,5,7,9])[..., np.newaxis]
print(X.shape)
print(y.shape)


model = keras.models.Sequential([
    keras.layers.SimpleRNN(1, input_shape=[None, 1], return_sequences=True),
])

model.compile(loss='mse', optimizer='adam')
model.summary()

model.fit(X, y, epochs = 1)
print(model.predict(X).shape)

# this fails as expected
# keras.losses.mse(model.predict(X), y)

版本：keras 2.2.4-tf 和 tensorflow 2.1.0

Answer 1

你已经设置了return_sequences=False

model = keras.models.Sequential([
    keras.layers.SimpleRNN(1, input_shape=[None, 1], return_sequences=False),
])
model.compile(loss='mse',optimizer='sgd')
model.fit(X,y)