在使用TensorFlow2.0中自带Keras进行训练的时候，输入的训练集为RGB三通道图像，然而配置好网络后使用 model.fit（x, ...）进行训练时却始终报如下错误
expected input_conv to have 4 dimensions, but got array...
具体意思是输入的参数x需要输入4个参数，而训练输入却只有3个维度，我的图片维度为（192, 192, 3）。
解决过程
首先先去了解了一下fit函数的x究竟是什么，TensorFlow官网给出的解释如下
x: Input data. It could be:
- A Numpy array (or array-like), or a list of arrays (in case the model has multiple inputs).
- A TensorFlow tensor, or a list of tensors (in case the model has multiple inputs).
- A dict mapping input names to the corresponding array/tensors, if the model has named inputs.
- A
tf.datadataset. Should return a tuple of either(inputs, targets)or(inputs, targets, sample_weights).- A generator or
keras.utils.Sequencereturning(inputs, targets)or(inputs, targets, sample weights).X：输入数据。它应该为
Numpy数组(或类似数组) 或 如果模型有多个输入即数组列表。
如果模型有多个输入，即为TensorFlow张量或张量列表。
如果模型具有命名输入，则将输入名称映射到相应的数组/张量的字典。
tf.data数据集。应返回(INPUTS，TARGETS)或(INPUTS，TARGET，SAMPLE_WEIGHT)的元组。
生成器或keras.utils.Sequence返回(输入，目标)或(输入，目标，样本权重)。
结合其他讲解，了解到输入的数据应该是四个维度(数据集个数,Batch_Size 长度, 宽度, 通道数)
一开始我认为这就是仅仅一个四维的元组而已，就想着通过 tf.expand_dims() 函数为其添加一个维度
结果是的确添加了一个维度，图片变为（1, 192, 192, 3），然而还是有错误，便想把x的第一个参数改成Batch_Size的值却死活改不了，后来冷静下来想了一下，48*192*192*3怎么也不可能等于1*192*192*3，怎么改呀？
解决措施
使用 tf.stack 命令把输入的所有图片集合合并成一个tensor，就可以训练了。
因此对model.fit第一个参数x的理解应该是Batch_Size个数据集合并而成的tensor。