Python Multi Input - Нормализация нейронной сети с несколькими выходами - Обратные результаты

Question

Я пытаюсь создать 5 входных и 5 выходных нейронных сетей для модели прогнозирования данных. В приведенном ниже примере 5 входов - 10,8,6,4,2, 5 выходов - 5,4,3,2,1, и я получаю следующий вывод после запуска последней строки; массив ([[0.33333334, 0.26666668, 0.19999999, 0.13333334, 0.06666668]], dtype = float32)

Любые предложения о том, как я могу получить выходной массив, чтобы показать значения 5,4,3,2, 1 на чем это было обучено?

import warnings
warnings.filterwarnings('ignore')

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.optimizers import SGD
import numpy as np
import pandas as pd

x_train = np.array([[10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2],
                  [10,8,6,4,2]])

y_train = np.array([[5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1],
                  [5,4,3,2,1]])

x_test = np.array([[10,8,6,4,2],
                 [10,8,6,4,2]])

y_test = np.array([[5,4,3,2,1],
                 [5,4,3,2,1]])

model = Sequential()
model.add(Dense(64, activation='relu', input_dim=5))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(5, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)

model.compile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy'])

model.fit(x_train, y_train,epochs=2000,batch_size=128)

model.predict(x_train[1:2], batch_size=None, verbose=0, steps=None)