Kerasによる3クラス分類

前提・実現したいこと

3クラスの画像をクロスバリデーションを使って分類を行おうと思っているのですが、
以下のエラーが出てしまいました。
色々調べてみましたが、どれも成功しませんでした。

どのように変えれば成功するか教えていただけると幸いです。

発生している問題・エラーメッセージ

Error when checking target: expected dense_2 to have shape (4,) but got array with shape (1,)

該当のソースコード


X = np.array(X)
Y = np.array(Y)
X = X.astype('float32')/255.0

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.1)
Y = np_utils.to_categorical(Y, num_classes)

kf = KFold(n_splits=10, shuffle=True)
all_loss=[]
all_val_loss=[]
all_acc=[]
all_val_acc=[]

for train_index, val_index in kf.split(X_train, y_train):

    train_data=X_train[train_index]
    train_label=y_train[train_index]
    val_data=X_train[val_index]
    val_label=y_train[val_index]

    y_train = np_utils.to_categorical(y_train, 3)
    y_test = np_utils.to_categorical(y_train, 3)

    model = Sequential()
    model.add(Conv2D(32, (3, 3), padding='same',input_shape=X_train.shape[1:], activation="relu"))
    model.add(Conv2D(32, (3, 3), padding='same', activation="relu"))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))

    model.add(Conv2D(64, (3, 3), padding='same', activation="relu"))
    model.add(Conv2D(64, (3, 3), padding='same', activation="relu"))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))

    model.add(Flatten())
    model.add(Dense(128 ,activation="relu"))
    model.add(Dropout(0.5))
    model.add(Dense(num_classes, activation="softmax"))

    # model.summary()

    opt = keras.optimizers.Adam(lr=0.0005, decay=1e-5)
    model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])

    # patience -> 10回学習して精度が上がらなかったとき、終了する
    early_stopping = EarlyStopping(monitor='val_acc', min_delta=0.8, patience=5, verbose=1)

    hist = model.fit(train_data, train_label, batch_size=16384, verbose=1,
                    epochs=10, validation_data=(val_data, y_test),
                    shuffle=True,
                    callbacks=[early_stopping])

    score=model.evaluate(X_test, y_test)
    print('Test loss:', score[0])
    print('test acc:', score[1])