Image processing &引用；“未知节点”；Keras卷积神经网络中的误差

我在Keras中有以下（2D）卷积神经网络，用于二值标签图像分类：

model = keras.Sequential()
model.add(Conv2D(32, kernel_size=5, activation='relu', input_shape=(128, 128, 1)))
model.add(MaxPooling2D(pool_size=2))
model.add(Conv2D(64, kernel_size=5, activation='relu'))
model.add(MaxPooling2D(pool_size=2))
model.add(Flatten())
model.add(Dense(1024, activation="relu"))
model.add(Dense(2, activation="softmax"))

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

为了训练它，我有很多（.jpeg）图像文件，但太多了，无法一次全部加载。因此，我使用以下生成器（和预处理）：

我试着使用

model.fit_generator(image_generator(train_paths, train_labels), steps_per_epoch=int(np.ceil(len(train_paths)/32)), epochs=1)

这里train_paths是一个路径列表，train_标签是一个具有两列的二进制numpy数组

但是，这给了我以下错误：

InvalidArgumentError: Requested tensor connection from unknown node: "conv2d_input:0".

---

导致此错误的原因是什么？如何解决？我试着用谷歌搜索，但没有找到任何结果。

我发现了错误：图像是张量，应该转换成数组。我的做法如下：

def image_generator(paths, labels, batch_size=32):
    sess = tf.Session()
    while True:
        for i in range(0, len(paths), batch_size):
            with sess.as_default():
                images = [load_preprocess(path).eval() for path in paths[i:i+batch_size]]
            target = labels[i:i+batch_size]

            yield(np.array(images), target)

def image_generator(paths, labels, batch_size=32):
    sess = tf.Session()
    while True:
        for i in range(0, len(paths), batch_size):
            with sess.as_default():
                images = [load_preprocess(path).eval() for path in paths[i:i+batch_size]]
            target = labels[i:i+batch_size]

            yield(np.array(images), target)