我正在嘗試使用 Keras ResNet50 實現來訓練二進制圖像分類模型。我想在不使用遷移學習的情況下測試模型，但是當我嘗試使用帶有 sigmoid 激活的簡單密集層進行二元分類來更改輸出層時，我得到了有關形狀大小的錯誤。我的代碼是這樣的：baseModel= ResNet50(weights=None, include_top=False, classes=2, pooling=max) output = baseModel.output output = layers.Dense(1, activation='sigmoid')(output) model = keras.models.Model(inputs=baseModel.input, outputs=output) model.compile(optimizer=Adam(learning_rate=0.0001), loss='binary_crossentropy',  metrics=['accuracy'])這樣做我得到了這個錯誤：ValueError: logits and labels must have the same shape ((None, 7, 7, 1) vs (None, 1))如果我在致密層之前添加一個扁平層，我會得到：ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.我在這里缺少什么？我如何改變密集層的輸入形狀？