ImageDataGenerator.flow()报错x与y长度不匹配，但实际维度一致的问题

问题现象 #

使用ImageDataGenerator.flow()执行图像增强时，触发维度不匹配错误：

ValueError: x (images tensor) and y (labels) should have the same length. Found: x.shape = (32, 32, 3), y.shape = (2, 4)

但打印特征和标签数组的形状时，结果显示样本数一致：

• features.shape输出 (2, 32, 32, 3)
• labels.shape输出 (2, 4)

原始代码 #

dategen = ImageDataGenerator(
    rescale = 1./255
)

labels = list(df["label"])
filepaths = list(df["photo"])

features = []

for filepath in filepaths:
    img = Image.open(filepath)
    img = img.resize((32,32))
    features.append(np.array(img))

features = np.array(features)
labels = np.array(labels)

print(features.shape) #Prints (2, 32, 32, 3)
print(labels.shape)   #Prints (2, 4)

train_gen = datagen.flow(
    x = features,
    y = labels,
    batch_size = 1
)

错误尝试及新问题 #

误以为特征数组第一维度被截断，尝试扩展维度：

features = np.expand_dims(features, axis = 0)
print(features.shape) #Prints (1, 2, 32, 32, 3)

触发新的维度错误：

ValueError: ... Found: x.shape = (1, 2, 32, 32, 3), ...

核心原因 #

1. 变量名拼写错误：代码中定义的ImageDataGenerator实例是dategen，但调用flow()时用的是datagen，两者不是同一个变量。如果之前环境中存在名为datagen的其他对象，会导致传入错误的x参数（比如单张图片的3维数组），从而触发维度不匹配。
2. 错误的维度扩展：特征数组已经是符合要求的4维格式(样本数, 高度, 宽度, 通道数)，强行扩展为5维反而不符合flow()的输入要求。

解决方案 #

1. 修正变量名：将datagen.flow()改为dategen.flow()，确保使用自己定义的ImageDataGenerator实例：

train_gen = dategen.flow(
    x = features,
    y = labels,
    batch_size = 1
)

2. 统一图片通道数：在读取图片时强制转为RGB格式，避免因灰度图导致特征数组维度不一致：

for filepath in filepaths:
    img = Image.open(filepath).convert('RGB')  # 强制转为3通道RGB
    img = img.resize((32,32))
    features.append(np.array(img))

3. 确认标签格式：当前(2,4)的标签格式（2个样本，4维标签/one-hot编码）是符合要求的，无需修改。

内容的提问来源于stack exchange，提问作者FarmerZee