我的目标是构建一个卷积自动编码器,将输入图像编码为大小为(10,1)
的平面向量。我遵循kerasdocumentation中的示例,并出于我的目的对其进行了修改。不幸的是,这种模式:
input_img = Input(shape=(28, 28, 1))
x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Flatten()(x)
encoded = Dense(units = 10, activation = 'relu')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(16, (3, 3), activation='relu')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)
autoencoder = Model(input_img, decoded)
给我
ValueError: Input 0 is incompatible with layer conv2d_39: expected ndim=4, found ndim=2
我想我应该给我的解码器添加一些层来反转展平的效果,但我不确定是哪一层。你能帮忙吗
为什么要为向量指定特定的(10,1)形状? 然后,您尝试对大小为3x3的内核进行卷积,这并没有真正意义
卷积层的形状有高度、宽度和通道。致密层的输出必须进行整形,这可以通过整形层完成。 然后可以使用单通道将其重塑为例如5x2
相关问题 更多 >
编程相关推荐