Python、keras、卷积autoencod

Question

我正在尝试创建我的第一个卷积自动编码器在keras，但我有问题与层输出形状。我的密码是：

input_img = Input(shape=X_train.shape[1:])

x = Conv2D(32, (3, 3), activation='relu', padding='same', kernel_constraint=maxnorm(3))(input_img)
x = MaxPooling2D(pool_size=(2, 2), padding='same')(x)
x = Conv2D(16, (3, 3), activation='relu', padding='same', kernel_constraint=maxnorm(3))(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)

x = Conv2D(16, (3, 3), activation='relu', padding='same', kernel_constraint=maxnorm(3))(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(32, (3, 3), activation='relu', padding='same', kernel_constraint=maxnorm(3))(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

autoencoder = Model(input_img, decoded)
print(autoencoder.summary())
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')
autoencoder.fit(X_train, X_train, epochs=50, batch_size=32)

结果：

^{pr2}$

当然还有错误：

ValueError: Error when checking target: expected conv2d_331 to have shape (None, 1, 32, 4) but got array with shape (50000, 32, 32, 3)

你知道我做错什么了吗？为什么上一次UpSampling2D返回该形状？在

Answer 1

所以，似乎您的keras已将其图像维度设置为channel_first（可能还有{}作为后端），这意味着输入的最后两个维度被视为空间维度，而不是第二维度和第三维度。另一点是，您的输出应该有3过滤器，而不是{}，因为这将以目标维度结束不匹配。总而言之：

1. 为了正确设置您的输入，您需要切换到tensorflow并将通道顺序更改为channel_last，或者通过以下方式将输入转置：

   X = X.transpose([0, 3, 1, 2])
   

2. 更改以下行：

   decoded = Conv2D(3, (3, 3), activation='sigmoid', padding='same')(x)