Keras ImageDataGenerator调用flow报x与y长度不一致ValueError

你调用ImageDataGenerator.flow()方法时传参错位，把验证集的图像数组错传给了训练生成器的标签参数位置。
从报错信息就能直接定位问题：

• 报错里的x长度为27455，刚好是你训练集的样本量，形状是标准的4维图像张量格式
• 报错里的y长度为7172，刚好是你验证集的样本量，形状同样是4维图像张量——而正常的分类标签应该是2维（one-hot编码，形状为(样本数, 类别数)）或者1维（整数编码，形状为(样本数,)），不可能是图像格式
  你之前调整维度无效是因为维度操作本身完全正确：给灰度图在axis=3位置扩充通道维度的写法，完全符合CNN对输入张量的格式要求，问题和维度设置无关。
  这个坑基本都是复制代码时漏改变量导致的：写完训练集生成器的flow调用后，直接复制整行改datagen和生成器变量名，没把参数里的训练集变量替换成验证集对应变量，甚至直接把验证集图像塞到了训练生成器的y参数位。

• 逐行检查两个生成器的flow方法传参，严格保证x、y和所属数据集匹配：
  训练集生成器参考写法：

  train_generator = train_datagen.flow(
      x=training_images,
      y=training_labels,
      batch_size=32 # 替换为你作业要求的batch_size值
  )
  

  验证集生成器参考写法：

  validation_generator = validation_datagen.flow(
      x=validation_images,
      y=validation_labels,
      batch_size=32 # 替换为你作业要求的batch_size值
  )
  

• 传参前可先打印标签数组形状做校验：training_labels第一维长度必须等于27455，validation_labels第一维长度必须等于7172，二者都不能是4维结构。
• 尽量用关键字方式传参，不要按位置顺手写参数，能很大程度避免参数顺序错位的问题。

补充：这个是Coursera CNN手语识别作业的高频报错，不用怀疑你之前的维度扩充逻辑，查传参就能解决。

内容的提问来源于stack exchange，提问作者Abhisek Ganguly