我正在尝试在Keras实施here模型。我或多或少地认为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，并分为两个数组，输入A和输出Y。 A是图像矩阵(NIMG, Height, Width, Channel)。 Y是字符(NIMG, MAX_CHAR)的矩阵。
MAX_CHAR是图像中的最大字符数，在本例中为64.NC是可能的不同字符的数量，在这种情况下为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，看看在博客文章中如何说：
目标矩阵是三维矩阵，其三维分别对应于样本，字符和1热编码。
我已经尝试了model.Flatten()但是留下了一个形状(4032,)，比训练数据中的64个字符大。我也试过玩Reshape矢量值，但没有真正有用。
所以我的问题是：我做错了吗？有什么我从根本上误解或是否有一个我似乎无法想到/找到的解决方案？
显然，正如评论中所提到的，标签（即Y）的单热编码解决了这个问题。
注意：此答案以accepted answer的"Question with no answers, but issue solved in the comments (or extended in chat)"中的建议发布为社区维基。