keras模型fit_generator ValueError:检查模型目标时出错:预期cropping2d_4具有4维，但得到形状为(32，1)的数组

Question

我正在尝试使用keras model.fit_generator()来拟合一个模型，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 shape：(32,160,320，3) y_train shape：(32，)

模型拟合代码为：

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)

然后我得到了错误消息：

ValueError:检查模型目标时出错:应为cropping2d_6具有4维，但得到形状为(32，1)的数组

有没有人能告诉我出了什么问题？

Answer 1

这里最大的问题是:你知道你想要做什么吗？

1)如果你阅读here，输入是一个4D张量，输出也是一个4D张量。您的目标是2D形状张量(batch_size,1)。当然，当keras试图计算具有3D (无批处理维度)的输出和具有1D (无批处理维度)的目标之间的误差时，这是没有意义的。输出和目标必须具有相同的维度。

2)你知道cropping2D到底在做什么吗？它正在裁剪你的图像...因此，删除裁剪维度开始和结束时的值。在您的例子中，您输出的是形状(90,218，3)的图像。这不是预测，在这一层上没有要训练的权重，所以没有理由去拟合“模型”。您的模型只是裁剪图像。这不需要训练。