用于2D输入和3D输出的多层感知器模型

Question

我正在尝试为具有4个输入和6个输出的回归问题实现MLP网络。我的输入是2维，即（14641，4），需要我的输出是3维，即（257，6，14641）。这是我尝试过的：

model = Sequential()
model.add(Dense(12, input_dim = 4, activation = 'relu'))
model.add(Dense(8, activation = 'relu'))
model.add(Dense(6, activation = 'sigmoid'))

我遇到以下错误：

ValueError: Error when checking target: expected dense_8 to have 2 dimensions, but got array with shape (257, 6, 14641)

然后我尝试实现Flatten函数：

model = Sequential()
model.add(Dense(12, input_dim = 4, activation = 'relu'))
model.add(Dense(8, activation = 'relu'))
model.add(Flatten())
model.add(Dense(6, activation = 'sigmoid'))

为此，我遇到以下错误：

ValueError: Input 0 is incompatible with layer flatten_2: expected min_ndim=3, found ndim=2

我是DL和Keras的新手。对于单个输入组合，我想要一个输出频谱（257，6）。我不知道如何实现。