Keras Creando Detección de Imágenes forma incompatible

Estoy trabajando en un pequeño proyecto en el que quiero clasificar algunas imágenes entrenándolas dentro de una red convolucional con una red VGG16 pre-entrenada.

Estos son los pasos que he seguido:

#Establecer condiciones
img_size = (180,180)
batch_size = 600
num_classes = len(class_names)

#Utilizando el método de procesamiento incorporado de Keras, que facilita el procesamiento en lugar de tener que hacerlo manualmente.

train_ds = tf.keras.preprocessing.image_dataset_from_directory(
“Data/Train”,
validation_split = 0.2,
subset = “training”,
seed = 1337, #crear una semilla para…
image_size = img_size,
batch_size = batch_size,
)

valid_ds = tf.keras.preprocessing.image_dataset_from_directory(
“Data/Train”,
validation_split = 0.2,
subset = “validation”,
seed = 1337, #crear una semilla para…
image_size = img_size,
batch_size = batch_size,
)

CONSTRUYENDO EL MODELO

#Crear modelo
model = Sequential()

#AGREGAR la red preentrenada VGG16
model.add(VGG16(pooling =’avg’,weights=”imagenet”, include_top=False))

#agregar una capa densa
model.add(Dense(num_classes,activation =’softmax’))

#Establecer el parámetro ‘trainable’ de VGG16 en falso, ya que queremos utilizar esta red preentrenada y entrenar las nuevas imágenes.

model.layers[0].trainable = False

#El método compile(): especificar una función de pérdida, métricas y un optimizador. Para entrenar un modelo con fit(), necesitas especificar una función de pérdida, un optimizador y, opcionalmente, algunas métricas para monitorizar.
#Pasas estos como argumentos al modelo en la llamada al método compile()

model.compile(optimizer = ‘adam’,loss = ‘categorical_crossentropy’, metrics =[‘accuracy’])
epoch_train = len(train_ds)
epoch_val = len(valid_ds)
numbers_epochs = 2

fit_model = model.fit(train_ds, steps_per_epoch = epoch_train,verbose = 1, validation_data = valid_ds, validation_steps = epoch_val,)

Cuando intento ajustar el modelo, obtengo el siguiente error:

ValueError: Las formas (None, 1) y (None, 43) son incompatibles

Si hay algún experto ahí fuera que pueda señalar lo que hice mal o qué pasos omití… ¡Estaría muy agradecido!