我在尝试使用keras的model.fit_generator()来拟合模型，以下是我定义的生成器：
from sklearn.utils import shuffleIMG_PATH_PREFIX = "./data/IMG/"def generator(samples, batch_size=64): num_samples = len(samples) while 1: # 无限循环，使生成器永不终止 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,)
模型拟合代码如下：
model = Sequential()#裁剪层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: Error when checking model target: expected cropping2d_6 to have 4 dimensions, but got array with shape (32, 1)
有人能帮我解释一下这是什么问题吗？
回答：
这里的大问题是：你知道你在做什么吗？
1) 如果你阅读这里，输入是一个4D张量，输出也是一个4D张量。你的目标是一个形状为(batch_size,1)的2D张量。因此，当keras试图计算输出（没有批次维度时的3D）和目标（没有批次维度时的1D）之间的误差时，它无法理解。输出和目标必须具有相同的维度。
2) 你知道Cropping2D实际上在做什么吗？它是在裁剪你的图像… 也就是说，移除裁剪维度开始和结束的值。在你的情况下，你输出的图像形状为(90, 218, 3)。这不是一个预测，这里没有需要训练的权重，因此没有理由去拟合这个“模型”。你的模型只是在裁剪图像。对于这个操作不需要训练。
