ValueError: Ошибка при проверке ввода: ожидалось, что dens_1_input имеет 2 измерения, но получил массив с формой (2227, 4, 1)

Question

Вот код из моего проекта. Я продолжаю получать эту ошибку, и я понятия не имею, почему. Ошибка в названии, и это нейронная net для открытого тренажерного зала AI "CartPole-v1". Испытано почти все, что я знаю.

X имеет 2700 выборок данных, и каждая выборка представляет собой массив 4 наблюдения, а y - список действий для получения указанного наблюдения.

import gym
import time
import numpy as np
import tensorflow as tf
from keras.layers import Dense, Dropout
from keras.models import Sequential
from keras.callbacks import TensorBoard
from keras.optimizers import Adam

env = gym.make("CartPole-v1")

def initial_population(threshold,n_samples):
    trainingData = []

    accepted_scores = []

    while True:
        score = 0
        game_memory = []
        prev_observation =[]
        prev_state = env.reset()

        while True:
            action = np.random.randint(0,2)
            observation, reward, done, _ =env.step(action)

            score += reward

            if len(prev_observation) == 0:
                game_memory.append([prev_state,action])
            else:
                game_memory.append([prev_observation,action])
            prev_observation = observation

            if done: break

        if score >= threshold:
            accepted_scores.append(score)

            for data in game_memory:
                if data[1] == 1:
                    output = [0,1]
                if data[1] == 0:
                    output = [1,0]
                trainingData.append([data[0],output])


        if len(accepted_scores) >= n_samples:
            break

    return trainingData,accepted_scores

# trainingData, acceptedScores = initial_population(100,1000)
# np.save("saved.npy",trainingData)

trainingData = np.load("saved.npy",allow_pickle = True)

def create_model(input_size):
    model = Sequential()

    model.add(Dense(128,activation="relu",input_shape = (input_size,)))
    model.add(Dropout(0.2))

    model.add(Dense(256,activation="relu"))
    model.add(Dropout(0.2))

    model.add(Dense(512,activation="relu"))
    model.add(Dropout(0.2))

    model.add(Dense(256,activation="relu"))
    model.add(Dropout(0.2))

    model.add(Dense(128,activation="relu"))
    model.add(Dropout(0.2))

    model.add(Dense(64,activation="relu"))
    model.add(Dropout(0.2))

    model.add(Dense(2,activation="softmax"))
    model.compile(loss="categorical_crossentropy", optimizer=Adam(lr=0.001), metrics=['accuracy'])

    return model

tensorboard = TensorBoard(log_dir=f"logs/Cartpole_Bot-{int(time.time())}")

def train_model(training_data,tensorboard,model=False):
    X = np.array([i[0] for i in training_data]).reshape(-1,len(training_data[0][0]),1)
    y =[i[1] for i in training_data]

    if not model:
        model = create_model(len(X[0]))
    else:
        model = tf.keras.models.load_model(f"models/{model}")

    model.fit(X,y,batch_size = 100,epochs=5,validation_split =0.2, shuffle=True, callbacks=[tensorboard])

    return model

model = train_model(trainingData,tensorboard,False)