我正在尝试制作一个简单的 CNN 分类器模型。对于我的训练图像 (BATCH_SIZEx227x227x1) 和标签 (BATCH_SIZEx7) 数据集，我使用的是通过ImageDataGenerator. 我使用的损失函数是 tf.nn.sparse_categorical_crossentropy。当模型试图训练时，问题就出现了；模型（这里的批量大小为 1，用于我的简化实验）输出形状为 [1, 7]，标签为形状 [7]。
我几乎可以肯定我知道原因，但我不确定如何解决它。我的假设是 sparse_categorical_crossentropy 正在压缩我的标签的维度（例如，当 BATCH_SIZE 为 2 时，输入的真实标签形状从 [2, 7] 压缩到 [14]），使我无法修复标签形状，而我所有修复 logits 形状的尝试都没有结果。
我最初尝试使用np.expand_dims. 但是无论我如何扩展维度，损失函数总是会使标签变平。
之后，我尝试tf.keras.layers.Flatten()在模型末尾添加 a以摆脱无关的第一维，但没有效果；我仍然遇到相同的确切错误。之后，尝试使用tf.keras.layers.Reshape((-1,))挤压所有尺寸。但是，这导致了不同的错误：
在 sparse_categorical_crossentropy logits = array_ops.reshape(output, [-1, int(output_shape[-1])]) TypeError: int返回非 int (type NoneType)
问题：如何将 logits 的形状压缩为与 sparse_categorical_crossentropy 返回的标签形状相同？
### BUILD SHAPE OF THE MODEL ###
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, (3,3), padding='same', activation=tf.nn.relu,
input_shape=(227,227,1)),
tf.keras.layers.MaxPooling2D((2,2), strides=2),
tf.keras.layers.Conv2D(64, (3,3), padding='same', activation=tf.nn.relu),
tf.keras.layers.MaxPooling2D((2,2), strides=2), …