自动编码器：层“model_3”需要 1 个输入，但它接收到 64 个输入张量

Posted 2023-02-16

【中文标题】自动编码器：层“model_3”需要 1 个输入，但它接收到 64 个输入张量

【英文标题】：Autoencoder: Layer "model_3" expects 1 input(s), but it received 64 input tensors

【发布时间】：2022-01-10 22:42:09

【问题描述】：

我有两个长度为 64 的批次。每个索引都是一个大小为 (128、128、3) 的 ndarray。

我的代码：

ae_encoder = Conv2D(32, (2,2), padding='same')(input)
ae_encoder = LeakyReLU()(ae_encoder)
ae_encoder = Flatten()(ae_encoder)
ae_encoder_output = Dense(Z_DIM, activation='relu')(ae_encoder) 

我似乎无法找到为什么它将整批 64 号）视为不同的通道。它不应该在这些批次中迭代 ndarray 吗？

错误：

ValueError: Layer "model_3" expects 1 input(s), but it received 64 input tensors.

更新 1 x_train 和 y_train 都是长度为 64 的列表，每个索引的形状都是 (128, 128, 3)。

示例输入（输入非常大，因此无法完全复制）

【问题讨论】：

显示整个模型并提供虚拟数据。

@AloneTogether 我已经更新了这个问题。请看一看。

【参考方案1】：

如果您尝试实现一个普通的自动编码器，其中输入形状应该等于输出形状，那么您必须将最后一个解码器层更改为：

ae_decoder_output = tf.keras.layers.Conv2D(3, (3,3), activation='sigmoid', padding='same',strides=(1,1))(ae_decoder)

导致输出形状(None, 128, 128, 3)。此外，您需要确保您的数据具有(samples, 128, 128, 3) 的形状。