CNN单通道图像分类报UnimplementedError错误的解决求助

问题根因 #

你贴出的完整代码存在两个配置不匹配问题，触发了TensorFlow的不支持报错：

• 你仅手动调整了输入层的shape为单通道，但是训练集、验证集的flow_from_directory方法都没有添加color_mode = 'grayscale'参数（你描述中提到已经给训练集加了，但完整代码里并未体现，且验证集完全没加），生成器默认读取3通道RGB图像，和模型要求的1通道输入不匹配，TensorFlow误触发分组卷积逻辑，而旧版本的融合卷积实现不支持分组卷积，因此抛出对应报错。
• 部分旧版本TensorFlow会在输入通道数和卷积核通道数匹配异常时，默认启用分组卷积，也会触发该报错。

解决步骤 #

1. 给训练集、验证集的flow_from_directory方法统一添加color_mode = 'grayscale'参数，保证输入和模型要求的通道数对齐。
2. 若修改后仍报错，给所有Conv2D层显式添加groups=1参数，强制关闭分组卷积逻辑。
3. 可选操作：升级TensorFlow到2.10及以上版本，新版本已支持融合卷积的分组计算，从底层规避该报错。

修改后的核心代码片段 #

# 生成器部分修改
train_generator = train_datagen.flow_from_directory(train_dir, target_size=(img_width, img_height), color_mode = 'grayscale', batch_size=batch_size, class_mode='binary')
valid_generator = test_datagen.flow_from_directory(valid_dir, target_size=(img_width, img_height), color_mode = 'grayscale', batch_size=batch_size, class_mode='binary')

# 卷积层可选修改
model.add(Conv2D(32, (3, 3), input_shape = shape, groups=1))
model.add(Conv2D(32, (3, 3), groups=1))

内容的提问来源于stack exchange，提问作者temp