具有特征间依赖关系的神经网络

如何解决具有特征间依赖关系的神经网络

这是我的问题：

我在旋转前后通过坐标创建了形状。我正在尝试创建一个以线性回归作为输出的神经网络。 X1 (x1,y1) 和 X2(x2,y2) 是我的输入（特征），y_train 表示形状 X1 和 X2 之间的角度。 X_train 是 X1 和 X2 的堆栈。这是我尝试过的：

python
print('shape X1:',np.shape(X1))
print('shape X2:',np.shape(X2))
shape X1:(XXX,2,120)
shape X2:(XXX,120)

print('shape X_train:',np.shape(X_train))
shape X: (XXX,120)

print('shape y:',np.shape(y_train))
shape X: (XXX,1)

# Model deFinition
model = keras.Sequential()
model.add(layers.Dense(X_train.shape[0],input_shape=(X_train.shape[1],X_train.shape[2],X_train.shape[3]),activation='relu'))
model.add(layers.Dense(1,activation="linear"))

然后当我尝试使用以下方法训练模型时：

                                      
model.compile(loss='mse',optimizer= tf.keras.optimizers.Adam(learning_rate=0.001),metrics='mse')
model.fit(X_train,y_train,epochs=500,validation_split=0.3,verbose=1)

我有这个问题：

""" InvalidArgumentError: 不兼容的形状：[32,1] 与 [32,1] [[node gradient_tape/mean_squared_error/broadcastGradientArgs（定义于：16）]] [Op:__inference_train_function_310234] """

当我添加 model.Flatten() 时它正在工作，但我不想使用它，因为 X1 和 X2 将被“混合”...

有人有解决方案吗？ :-)