Python 使用不匹配形状（Keras）的拟合生成器时出错

我正在尝试建立一个简单的分类CNN，使用以下代码将一组1233张图像分为4类：

unclassified_datagen = keras.preprocessing.image.ImageDataGenerator(
    rescale=1. / 255,
    horizontal_flip=True
)
unclassified_generator = train_datagen.flow_from_directory(
    'data/unclassified',
    target_size=(120, 120),
    batch_size=1233,
    class_mode='input',
    shuffle=False,
)

model_unclassified = keras.Sequential()
model_unclassified.add(layers.Conv2D(1233, (3, 3), input_shape=(120, 120, 3), padding="SAME"))
model_unclassified.add(layers.Dense(64, activation='relu'))
model_unclassified.add(layers.Dense(4, activation='sigmoid'))

model_unclassified.compile(loss='sparse_categorical_crossentropy',
                           optimizer='rmsprop',
                           metrics=['accuracy'])
model_unclassified.fit_generator(unclassified_generator, epochs=1)

但我得到了以下错误：

ValueError:checking target时出错：预期密集型_2具有形状（120，120，1），但得到了具有形状（120，120，3）的数组。

---

我做错了什么？

您应该添加

Flatten

层，因为

Conv2D

为每个样本返回3D数组：

model_unclassified=keras.Sequential（）
model_unclassified.add（layers.Conv2D（1233，（3，3），input_shape=（120120，3），padding=“SAME”））
模型_未分类。添加（layers.flatte（））
model_unclassified.add（layers.Dense（64，activation='relu'））
模型_未分类。添加（层。密集（4，激活='sigmoid'））