我剛剛開始使用 Keras 訓練一個簡單的 DNN，并且正在努力設置自定義損失函數，以下是模型的代碼：X_train = train_dataframe.to_numpy()[:, 0:4]Y_train = train_dataframe.to_numpy()[:, 4]model = Sequential()model.add(Dense(1000, input_shape=(4,), activation='relu'))model.add(Dense(1000, activation='relu'))model.add(Dense(Y_train.shape[0], activation='linear', activity_regularizer=regularizers.l1(0.02)))def custom_loss(y_true, y_pred):     mse_loss = tf.keras.losses.mean_squared_error(y_true,np.ones((450, 4)) * y_pred)                                                  return mse_loss + y_predmodel.compile("adam", custom_loss(X_train, model.layers[2].output), metrics=["accuracy"])model.fit(X_train, Y_train, epochs=5, batch_size=1)我將簡要解釋一下。我得到了一個包含 450 個樣本的訓練集，每個樣本有 4 個特征作為輸入，以及一個與訓練集配對的 (450,1) 數值向量?，F在，我想要獲得的是一種 LASSO 回歸，方法是在最后一層應用活動正則化器，然后構建自定義損失函數，其中我將 MSE 放在 y_true （這是輸入） y_pred 之間，y_pred 不是輸出，而是輸出層值與 (450,4) 矩陣的簡單乘法（因為簡單性用 1 填充）。我的問題是，當我運行腳本時出現此錯誤：ValueError: Dimensions must be equal, but are 4 and 450 for 'mul' (op: 'Mul') with input shapes: [450,4], [?,450].也許是因為我沒有很好地提取輸出層的值model.layers[2].output。那么我怎樣才能使用 Keras 正確地做到這一點呢？