我在使用MNIST数据集，其中X_train = (42000,28,28,1)是训练集，y_train = (42000,10)是对应的标签集。现在我使用Keras创建了一个图像生成器的迭代器，如下所示：
iter=datagen.flow(X_train,y_train,batch_size=32)这个操作运行正常。
然后我使用以下代码训练模型：
model.fit_generator(iter,steps_per_epoch=len(X_train)/32,epochs=1)在这里，它会报出以下错误：
ValueError: Error when checking input: expected dense_9_input to have 2 dimensions, but got array with shape (32, 28, 28, 1)我尝试过但未能找到错误所在。我也在这里搜索过，但没有找到答案：
expected dense_218_input to have 2 dimensions, but got array with shape (512, 28, 28, 1)
顺便提一下，这是我模型的摘要
请帮助我。
更新：
model=Sequential()model.add(Dense(256,activation='relu',kernel_initializer='he_normal',input_shape=(28,28,1)))model.add(Flatten())model.add(Dense(10,activation='softmax',kernel_initializer='he_normal'))回答：
维度不匹配是根本原因。输入形状与ImageDataGenetor期望的不匹配。请查看以下使用mnist数据的示例。我使用的是Tensorflow 2.1。
import tensorflow as tffrom tensorflow.keras.preprocessing.image import ImageDataGeneratormnist = tf.keras.datasets.mnist(x_train, y_train),(x_test, y_test) = mnist.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0x_train = tf.expand_dims(x_train,axis=-1)x_test = tf.expand_dims(x_test,axis=-1)datagen = ImageDataGenerator( rotation_range=40, width_shift_range=0.2, height_shift_range=0.2, shear_range=0.2, zoom_range=0.2)iter=datagen.flow(x_train,y_train,batch_size=32)model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28,1)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax')])model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])#model.fit_generator(iter,steps_per_epoch=len(X_train)/32,epochs=1) # 在TF2.1中已废弃model.fit_generator(iter,steps_per_epoch=len(iter),epochs=1)model.evaluate(x_test, y_test) 完整代码在这里
