使用ImageDataGenerator（）和keras.applications.densenet.DenseNet121输入形状

Question

我是深度学习和Keras的新手，并且在培训Keras应用程序中包含的“ densenet121”时遇到了麻烦。所使用的数据是我通过Image_generator（）。flow_from_directory（）加载的28x28灰度.png图像，在此我将其调整为32x32大小并将其转换为RGB，因为据我所知DenseNet121的最小输入大小为32x32x3。但是，在调用model.fit（）时，仍然出现以下错误：

ValueError：检查目标时出错：预期relu具有4 尺寸，但数组的形状为（32，10）

下面是使用的代码。

model = DenseNet121(weights='imagenet', include_top=False, input_shape=(32, 32, 3))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

training_batches = ImageDataGenerator().flow_from_directory(directory=DATADIR_TRAIN, target_size=(32, 32), color_mode='rgb', classes=CATEGORIES)
testing_batches = ImageDataGenerator().flow_from_directory(directory=DATADIR_TEST, target_size=(32, 32), color_mode='rgb', classes=CATEGORIES)

model.fit_generator(training_batches, verbose=2, epochs=5)
val_loss, val_acc = model.evaluate_generator(testing_batches)
print(val_loss, val_acc)

我在哪里弄糟？