tensorflow keras中的Valur误差，传递了输出形状（[None，180，320，1]）的目标阵列形状（[3000，180，320，1]）

Question

我正在尝试使用tensorflow keras api进行图像分割以检测车道来实现unet。以下是相关的（模型功能）代码：

def model_fn(weight_path=None, input_shape=(180,320,1)):
    .....
    .....
    model= tf.keras.Model(inputs= inputs, outputs= c8)
    model.compile(optimizer= tf.keras.optimizers.Adam(lr= 1e-4), 
                  loss= 'binary_crossentropy',
                  metrics= ['accuracy'])

在这里，输入张量的形状为(None, 180, 320, 1)，与输出张量相同。 （xtr和ytr的形状均为(3000, 180, 320, 1)）

现在，当我尝试使用以下方法进行训练时：

model.fit(x=xtr, y=ytr, batch_size= 10, epochs=1, callbacks=[cp_callback])

我收到此错误：

  

ValueError：传递形状为(3000, 180, 320, 1)的目标数组以输出形状（None，180、320、3），同时用作损失binary_crossentropy。这种损失期望目标与输出具有相同的形状。

我不明白这是怎么回事。我们非常感谢您的帮助。