我正在尝试使用Keras编写一个卷积神经网络（CNN）。我的数据集包含20,000张图片，分为250个类别，目录结构如下：

dataset/    class1/        1.png        2.png        ...    class2/        ...    ...

据我所知，加载图片和标签最简单的方法是结合使用ImageDataGenerator和flow_from_directory()。以下是一个最简工作示例：

from keras.layers import Activation, Convolution2D, MaxPooling2Dfrom keras.models import Sequentialfrom keras.preprocessing.image import ImageDataGeneratorif __name__ == '__main__':        # 输入图像尺寸    img_rows, img_cols = 225, 225    input_shape = (img_rows, img_cols, 1)    model = Sequential()    model.add(Convolution2D(64, 15, 15, input_shape=input_shape, subsample=(3, 3)))    model.add(Activation('relu'))    model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))    model.compile(loss='hinge', optimizer='adadelta', metrics=['accuracy'])    data = ImageDataGenerator()    train_data = data.flow_from_directory(directory='dataset', color_mode='grayscale', target_size=(img_rows, img_cols))    model.fit_generator(train_data, 100, 12)

然而，这会导致以下错误：

Exception: Error when checking model target: expected maxpooling2d_1 to have 4 dimensions, but got array with shape (32, 250)

其中32是batch_size，250是类别数量。

这是我获取图片/标签的方式有问题吗？

回答：

我的问题并不是标签是字符串，而是CNN架构错误。在MaxPooling2D之后添加一个Flatten()层后，我现在能够将网络的输出映射到我的标签上。