将Conv2DNet的输出形状与预期的十位数匹配

Question

我正在尝试实现Keras中的here模型。我或多或少认为Keras模型相当于：

inputShape = (32, 640, 3)

model = Sequential()
model.add(Conv2D(NC//2, kernel_size=(4,4), strides=(2,2), kernel_regularizer=regularizers.l2(1e-5), activation='relu', padding='same', input_shape=inputShape))
model.add(Conv2D(NC, kernel_size=(4,4), strides=(2,1), activation='relu', kernel_regularizer=regularizers.l2(1e-5), padding='same'))
model.add(Conv2D(NC, kernel_size=(8,5), strides=(8,5), activation='relu', kernel_regularizer=regularizers.l2(1e-5), padding='same'))
model.add(Reshape((-1, MAX_CHAR, NC)))

训练数据由5000、32x640个随机生成的字符串图像组成，并分成两个数组，输入A和输出YA是图像的矩阵(NIMG, Height, Width, Channel)Y是字符矩阵(NIMG, MAX_CHAR)

MAX_CHAR是图像中的最大字符数，在本例中为64。NC是可能的不同字符数，在本例中为63

问题是，当我运行model.fit(A, Y)时，我得到：

ValueError: Error when checking target: expected reshape_1 to have 4 dimensions, but got array with shape (5001, 64)

这是有道理的，就像在博客上说的：

the target matrix is a 3D matrix with the three dimensions corresponding to sample, character, and 1-hot encoding respectively.

我试过model.Flatten()，但这给我留下了一个形状(4032,)，比训练数据中的64个字符大得多。我也尝试过使用重塑向量值，但没有真正的效果

所以我的问题是：我做错什么了吗？是有什么我根本误解的地方，还是有什么我似乎想不出/找不到的解决办法

Answer 1

显然，正如在评论中提到的，一个热编码标签（即Y）解决了这个问题

注意：这个答案作为社区wiki发布，如"Question with no answers, but issue solved in the comments (or extended in chat)"的accepted answer所示