<keras>バリューエラーが解決できない

前提・実現したいこと

以前学習させたものの正解率が低かったため、画像の反転やズームなどによって学習データを水増しさせたいのですが、以下のようなエラーが出てしまいます。
エラーを解決して学習を開始したいです!

よろしくお願いいたします。

発生している問題・エラーメッセージ

ValueError: Error when checking target: expected sequential_1 to have shape (4,) but got array with shape (1,)

該当のソースコード

Python
1#!/usr/bin/env python3
2# -*- coding: utf-8 -*-
3"""
4Created on Fri Feb  7 22:12:26 2020
5
6@author: kanta
7"""
8
9import os
10from keras.applications.vgg16 import VGG16
11from keras.preprocessing.image import ImageDataGenerator
12from keras.models import Sequential, Model
13from keras.layers import Input, Activation, Dropout, Flatten, Dense
14from keras.preprocessing.image import ImageDataGenerator
15from keras import optimizers
16import numpy as np
17import time
18
19# 分類するクラス
20classes = ['arin', 'kanako', 'reni', 'shiori']
21nb_classes = len(classes)
22
23IMG_HEIGHT = 150
24IMG_WIDTH = 150
25
26
27# トレーニング用とバリデーション用の画像格納先
28train_data_dir = '/dataset/train'
29validation_data_dir = '/dataset/validation'
30
31
32nb_train_samples = 24446
33nb_validation_samples = 389
34
35batch_size = 16
36nb_epoch = 20
37
38result_dir = 'results'
39if not os.path.exists(result_dir):
40    os.mkdir(result_dir)
41
42
43def vgg_model_maker():
44    """ VGG16のモデルをFC層以外使用。FC層のみ作成して結合して用意する """
45
46    # VGG16のロード。FC層は不要なので include_top=False
47    input_tensor = Input(shape=(IMG_WIDTH, IMG_HEIGHT, 3))
48    vgg16 = VGG16(include_top=False, weights='imagenet', input_tensor=input_tensor)
49
50    # FC層の作成
51    top_model = Sequential()
52    top_model.add(Flatten(input_shape=vgg16.output_shape[1:]))
53    top_model.add(Dense(256, activation='relu'))
54    top_model.add(Dropout(0.5))
55    top_model.add(Dense(nb_classes, activation='softmax'))
56
57    # VGG16とFC層を結合してモデルを作成
58    model = Model(input=vgg16.input, output=top_model(vgg16.output))
59
60    return model
61
62
63def image_generator():
64    """ ディレクトリ内の画像を読み込んでトレーニングデータとバリデーションデータの作成 """
65    train_datagen = ImageDataGenerator(
66                    rescale=1./255,
67                    rotation_range=45,
68                    width_shift_range=.15,
69                    height_shift_range=.15,
70                    horizontal_flip=True,
71                    zoom_range=0.5
72                    )
73
74    validation_datagen = ImageDataGenerator(rescale=1./255)
75
76    train_generator = train_datagen.flow_from_directory(batch_size=batch_size,
77                                                     directory=train_data_dir,
78                                                     shuffle=True,
79                                                     target_size=(IMG_HEIGHT, IMG_WIDTH),
80                                                     class_mode='binary',)
81                                                     
82
83
84    
85    """
86    rescale=1./255,
87                    rotation_range=45,
88                    width_shift_range=.15,
89                    height_shift_range=.15,
90                    horizontal_flip=True,
91                    zoom_range=0.5
92                  
93                   train_data_gen = image_gen_train.flow_from_directory(batch_size=batch_size,
94                                                     directory=train_dir,
95                                                     shuffle=True,
96                                                     target_size=(IMG_HEIGHT, IMG_WIDTH),
97                                                     class_mode='binary')
98                    """
99
100    validation_generator = validation_datagen.flow_from_directory(
101        validation_data_dir,
102        target_size=(IMG_WIDTH, IMG_HEIGHT),
103        color_mode='rgb',
104        classes=classes,
105        class_mode='categorical',
106        batch_size=batch_size,
107        shuffle=True)
108
109    return (train_generator, validation_generator)
110
111
112if __name__ == '__main__':
113    start = time.time()
114
115    # モデル作成
116    vgg_model = vgg_model_maker()
117
118    # 最後のconv層の直前までの層をfreeze
119    for layer in vgg_model.layers[:15]:
120        layer.trainable = False
121
122    # 多クラス分類を指定
123    vgg_model.compile(loss='categorical_crossentropy',
124              optimizer=optimizers.SGD(lr=1e-3, momentum=0.9),
125              metrics=['accuracy'])
126
127    # 画像のジェネレータ生成
128    train_generator, validation_generator = image_generator()
129
130    # Fine-tuning
131    history = vgg_model.fit_generator(
132        train_generator,
133        samples_per_epoch=nb_train_samples,
134        nb_epoch=nb_epoch,
135        validation_data=validation_generator,
136        nb_val_samples=nb_validation_samples)
137
138    vgg_model.save(os.path.join(result_dir, 'finetuning new.h5'))
139
140    process_time = (time.time() - start) / 60
141    print(u'学習終了。かかった時間は', process_time, u'分です。')