Как использовать функцию scipy optimize.minimize для компиляции последовательной модели keras с использованием сопряженных градиентов?

Question

В

model.compile(loss=keras.losses.mean_squared_error, optimizer=minimize(method='CG',fun=keras.losses.mean_squared_error(train_label,model.predict_classes(train_X)),x0=x0), metrics=['accuracy'])

File "/usr/lib/python3.7/site-packages/keras/losses.py", line 14, in mean_squared_error
return K.mean(K.square(y_pred - y_true), axis=-1)

ValueError: operands could not be broadcast together with shapes (67,) (67,2)

Я не могу понять, почему происходит ошибка В другом случае я попытался передать исходные классы без преобразования их в переменную с одним значением, тогда произошла следующая ошибка

TypeError: 'Tensor' object is not callable

Пожалуйста, помогите мне в решении этой проблемы

train_X,valid_X,train_label,valid_label = train_test_split(train_X,Y_train_one_hot, test_size=0, random_state=42)

model = Sequential()

model.add(Conv2D(22, kernel_size=(3,3),strides=(1,1),padding='same',input_shape=(6,4,1),activation='relu'))

model.add(MaxPooling2D((1, 1),padding='same',strides=(1,1)))

model.add(Flatten())

model.add(Dense(14, activation='sigmoid'))   

model.add(Dense(num_classes, activation='sigmoid'))
model.compile(loss=keras.losses.mean_squared_error, optimizer=minimize(method='CG',fun=keras.losses.mean_squared_error(train_label,model.predict_classes(train_X)),x0=x0), metrics=['accuracy'])

history =model.fit(train_X, train_label,batch_size=batchsize,callbacks=callbacks,epochs=epochs,verbose=1,validation_data=(valid_X, valid_label))