Python ValueError:形状（无，无）和（无，无，无，43）不兼容

我知道这个论坛上已经有类似的帖子了，但尽管我查看了它们，但似乎找不到解决方案

我尝试使用VGG模型对图像进行多分类。我正在学习一本书中的教程。我使用VGG模型的最后一层作为最后一个后续层的输入

我的图像存储在“train”文件夹中，在该文件夹中有43个子文件夹，其中包含属于43个类的图像。每个子文件夹的名称是一个从0到42的数字

我使用

flow\u from\u directory（）

函数加载图像，然后最后使用

fit\u generator（）

我的模型中的最后一层是密集层

model.add（密集层（43，activation='softmax'））

这是我的代码：

input_shape1 = (224, 224, 3)
vgg = vgg16.VGG16(include_top=False, weights='imagenet', input_shape=input_shape1)
output = vgg.layers[-2].output
output = keras.layers.Flatten()(output)
vgg_model = Model(vgg.input, output)
vgg_model.trainable = False
for layer in vgg_model.layers:
  layer.trainable = False
  vgg_model.summary()

当我尝试使用这一行运行模型时，会出现以下错误：

epochs=100
history = model.fit_generator(train_ds, steps_per_epoch=1226, epochs=epochs, verbose=1)

WARNING:tensorflow:Model was constructed with shape (None, 100352) for input KerasTensor(type_spec=TensorSpec(shape=(None, 100352), dtype=tf.float32, name='input_4'), name='input_4', description="created by layer 'input_4'"), but it was called on an input with incompatible shape (None, None, None, None).

ValueError: Shapes (None, None) and (None, None, None, 43) are incompatible

我真的不知道它是从哪里来的。我尝试过输入形状，但没有成功

编辑

这是我的图像发生器

train_datagen = ImageDataGenerator(
        rescale=1./255,
        validation_split=0.3,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)

找到了39209张属于43类的图片。但我还为此数据集指定了验证拆分

编辑2

vgg_model.output_shape[0]
100352

但添加最后一层后，模型的输出形状为43

此外，我尝试将损失函数更改为

sparse\u categorical\u crossentropy

，但出现以下错误：

InvalidArgumentError:  Matrix size-incompatible: In[0]: [720000,3], In[1]: [8192,512]
     [[node sequential_8/dense_24/Tensordot/MatMul (defined at <ipython-input-37-e259535ec653>:2) ]] [Op:__inference_train_function_4462]

InvalidArgumentError:矩阵大小不兼容：在[0]：[720000,3]，在[1]：[8192512]
[node sequential_8/dense_24/Tensordot/MatMul（定义于：2）][Op:_推理_train_函数_4462]

我的模型或者加载图片的方式都有问题，但我就是不知道

我非常感谢你的帮助。

---

谢谢

实际上，我将图像生成器从数据帧更改为流，并且它工作正常

train_df = train_datagen.flow_from_dataframe(
  traindf,
  y_col='ClassId',
  x_col='Path',
  directory=None,
  subset='training',
  seed=123,
  target_size=(150, 150),
  batch_size=32,
  class_mode='categorical')

---

我使用的是

MobileNetV3

，遇到了和你一样的问题。我试过这个：

model = tf.keras.applications.MobileNetV3Large

---

你可以找到更多。

火车的形状是什么？？我相信是39209，43，因为有39209张图片属于43类。但是我也对这个文件夹使用了30%的验证拆分。

vgg_模型的形状是什么。output_形状[1]

？vgg_模型。output_形状[0]给出了这个输出：100352，添加最后一层后模型的输出形状是43。当我改变图像的目标大小时，输出形状会改变。也许这与他们有关？这就解决了问题？虽然这个链接可以回答问题，但最好在这里包含答案的基本部分，并提供链接供参考。如果链接页面发生更改，则仅链接的答案可能无效-

train_df = train_datagen.flow_from_dataframe(
  traindf,
  y_col='ClassId',
  x_col='Path',
  directory=None,
  subset='training',
  seed=123,
  target_size=(150, 150),
  batch_size=32,
  class_mode='categorical')

model = tf.keras.applications.MobileNetV3Large