我是 NN 的新手，并試圖創建一個簡單的 NN 來理解圖像。我嘗試使用三重損失方法，但不斷收到錯誤，讓我覺得我錯過了一些基本概念。我的代碼是：def triplet_loss(x):  anchor, positive, negative = tf.split(x, 3)  pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), 1)  neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), 1)  basic_loss = tf.add(tf.subtract(pos_dist, neg_dist), ALPHA)  loss = tf.reduce_mean(tf.maximum(basic_loss, 0.0), 0)  return lossdef build_model(input_shape):  K.set_image_data_format('channels_last')  positive_example = Input(shape=input_shape)  negative_example = Input(shape=input_shape)  anchor_example = Input(shape=input_shape)  embedding_network = create_embedding_network(input_shape)  positive_embedding = embedding_network(positive_example)  negative_embedding = embedding_network(negative_example)  anchor_embedding = embedding_network(anchor_example)  merged_output = concatenate([anchor_embedding, positive_embedding, negative_embedding])  loss = Lambda(triplet_loss, (1,))(merged_output)  model = Model(inputs=[anchor_example, positive_example, negative_example],              outputs=loss)  model.compile(loss='mean_absolute_error', optimizer=Adam())  return modeldef create_embedding_network(input_shape):  input_shape = Input(input_shape)  x = Conv2D(32, (3, 3))(input_shape)  x = PReLU()(x)  x = Conv2D(64, (3, 3))(x)  x = PReLU()(x)  x = Flatten()(x)  x = Dense(10, activation='softmax')(x)  model = Model(inputs=input_shape, outputs=x)  return model使用以下方法讀取每個圖像：imageio.imread(imagePath, pilmode="RGB")以及每個圖像的形狀：(1024, 1024, 3)然后我使用我自己的三元組方法（只創建 3 組錨，正負）triplets = get_triplets(data)triplets.shape形狀為（示例數量、三元組、x_image、y_image、通道數（RGB））：(20, 3, 1024, 1024, 3)然后我使用 build_model 函數：model = build_model((1024, 1024, 3))問題從這里開始：model.fit(triplets, y=np.zeros(len(triplets)), batch_size=1)對于這行代碼，當我嘗試訓練我的模型時，我收到此錯誤：有關更多詳細信息，我的代碼在此協作筆記本中我使用的圖片可以在這個驅動器中找到 為了無縫運行 - 將此文件夾放在我的驅動器/Colab 筆記本/圖像/