我正在通过卷积神经网络（CNN）研究基于2D RGB像素的图像分类问题 . 我将充分描述我的问题，并提供尽可能多的细节 .
我将我的培训和验证分成如下：
x_trn, x_val, y_trn, y_val = train_test_split(img, msk,test_size=0.2, random_state=42)
其中 img 是 (number_of_image_patches x image_rows x image_columns x number_of_image_channels 的数组 . 所以我在每个 128x128 有200个RGB（即3个通道）图像补丁 . 因此， img 数组是 (200 x 128 x 128 x 3) .
此外， msk 是一个数组，其中包含将用于训练CNN的每个图像补丁的类标签，其大小为 (200 x 128 x 128) . 每个 msk 补丁都是带有类标签的 128x128 数组 . 在我的问题中，我有 7 classes .
由于我的问题是多类分类，我使用 categorical_crossentropy 作为我的损失函数 . 并且 softmax 作为输出结果的激活功能 . 我的完整CNN模型可以找到here .
y_trn 的形状是 (160 x 128 x 128) ， y_val 是 (40 x 128 x 128) .
现在， categorical_crossentropy 要求 y_trn 和 y_val 变量进行单热编码 . 我这样做如下：
from keras.utils import to_categorical
y_trn= to_categorical(y_trn, num_classes=len(np.unique(y_trn)))
y_val= to_categorical(y_val, num_classes=len(np.unique(y_val)))
应用单热编码后 y_trn 的新形状是 (2621440 x 7) ，因为我有 7 classes . 2621440 来自 160x128x128 的倍增
之后，我会做以下培训/适合CNN模型：
model = my_CNN_unet()
model_checkpoint = ModelCheckpoint('unet6_test_{epoch:02d}.hdf5')
model.fit(x_trn, y_trn, batch_size=50, epochs=3, verbose=1, shuffle=True,
callbacks=[model_checkpoint], validation_data=(x_val, y_val))
但是我收到以下错误：
ValueError: Error when checking target: expected conv2d_138 to have 4 dimensions, but got array with shape (2621440 , 7)
这意味着我的单热编码显然没有正确应用，因为它期望单热阵列为4D . 我假设 y_trn 的正确大小应该是： (160 x 128 x 128 x 7) .
我是Python和Keras的新手，不知道如何克服这个错误 . 任何见解都是受欢迎的 .