我正在尝试使用keras model.fit_generator（）来拟合模型，下面是我对生成器的定义：
from sklearn.utils import shuffle
IMG_PATH_PREFIX = "./data/IMG/"
def generator(samples, batch_size=64):
num_samples = len(samples)
while 1: # Loop forever so the generator never terminates
shuffle(samples)
for offset in range(0, num_samples, batch_size):
batch_samples = samples[offset:offset+batch_size]
images = []
angles = []
for batch_sample in batch_samples:
name = IMG_PATH_PREFIX + batch_sample[0].split('/')[-1]
center_image = cv2.imread(name)
center_angle = float(batch_sample[3])
images.append(center_image)
angles.append(center_angle)
X_train = np.array(images)
y_train = np.array(angles)
#X_train = np.expand_dims(X_train, axis=0)
#y_train = np.expand_dims(y_train, axis=1)
print("X_train shape: ", X_train.shape, " y_train shape:", y_train.shape)
#print("X train: ", X_train)
yield X_train, y_train
train_generator = generator(train_samples, batch_size = 32)
validation_generator = generator(validation_samples, batch_size = 32)
这里的输出形状是：X_train形状：（32,160,320,3）y_train形状：（32，）
模型拟合代码是：
model = Sequential()
#cropping layer
model.add(Cropping2D(cropping=((50,20), (1,1)), input_shape=(160,320,3), dim_ordering='tf'))
model.compile(loss = "mse", optimizer="adam")
model.fit_generator(train_generator, samples_per_epoch= len(train_samples), validation_data=validation_generator, nb_val_samples=len(validation_samples), nb_epoch=3)
然后我收到错误消息：
ValueError：检查模型目标时出错：预期cropping2d_6有4个维度，但得到的数组有形状（32,1）
有人可以帮我告诉我这是什么问题吗？
1 回答
这里最大的问题是：你知道你想要做什么吗？
1）如果读取here，则输入为4D张量，输出也为4D张量 . 您的目标是2D张量形状（batch_size，1） . 所以当然，当keras尝试计算具有3D（没有批量维度）的输出和具有1D（没有批量维度）的目标之间的误差时，它无法理解 . 输出和目标必须具有相同的尺寸 .
2）你知道cropping2D究竟在做什么吗？它正在裁剪您的图像...因此删除裁剪尺寸开始和结束时的值 . 在您的情况下，您正在输出形状的图像（90,218,3） . 这不是一个预测，没有重量训练在这一层，所以没有理由适合“模型” . 你的模型只是剪裁图像 . 不需要培训 .