我试图实现一个CNN架构，但是，输出的形状有一个问题。集合的形状如下：

x_train.shape, y_train.shape, x_test.shape, y_test.shape

((1203, 162, 1), (1203, 7), (402, 162, 1), (402, 7))

体系结构的设置如下：

input_x = tf.keras.layers.Input(shape = (x_train.shape[1],1))
conv_1 = tf.keras.layers.Conv1D(filters=16,kernel_size=3,padding="same",activation="relu")(input_x)
pool_1 = tf.keras.layers.MaxPooling1D(2)(conv_1)
conv_2 = tf.keras.layers.Conv1D(filters=32,kernel_size=3,padding="same",activation="relu")(pool_1)
pool_2  = tf.keras.layers.MaxPooling1D(2)(conv_2)

flatten = tf.keras.layers.Flatten()(pool_2)
dense = tf.keras.layers.Dense(512, activation="relu")(flatten)
fb = tf.keras.layers.Dropout(0.4)(dense)
fb = tf.keras.layers.Dense(512, activation="relu")(fb)
fb = tf.keras.layers.Dropout(0.4)(fb)

output = tf.keras.layers.Dense(8, activation="softmax")(fb)
model_branching_summed = tf.keras.models.Model(inputs=input_x, outputs=output)
model_branching_summed.summary()
model_branching_summed.compile(optimizer=SGD(learning_rate=0.01 , momentum=0.8), loss='categorical_crossentropy', metrics= ['accuracy'])

历史=模型_分支_求和.拟合（x_训练，y_训练，批次_大小= 128，时期= 100，验证_数据=（x_测试，y_测试），回调=[rlrp]）
但是当我运行这个模型时，它给了我下面的错误：
值错误追溯（最近调用最后）单元格输入[192]，第5行1 rlrp = ReduceLROnPlateau（监视器="丢失"，因子= 0.4，详细信息= 0，耐心= 2，最小lr = 0.0001）2 #（最小lr = 0.000001）----〉5历史=模型分支求和拟合（x_训练，y_训练，批次大小= 128，时间点= 100，确认数据=（x_测试，y_测试），回调=[rlrp]）
ValueError：形状（None，7）和（None，8）不兼容
有人能帮我知道错误在哪里吗？