python - 用于构建自动编码器的 keras.Flatten 的逆

Question

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。 .我遵循了 keras 的示例 documentation并根据我的目的对其进行了修改。不幸的是，模型是这样的:

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

我想我应该在我的解码器中添加一些层来反转 Flatten 的效果，但不确定是哪一层。你能帮我吗？

Answer 1

为什么要为向量提供特定的 (10,1) 形状？
然后您尝试使用大小为 3x3 的内核对其进行卷积，这实际上没有意义。

卷积层采用的形状具有高度、宽度和 channel 。密集层的输出必须重新整形，这可以通过 Reshape 层来完成。
然后，您可以使用单 channel 将其整形为例如 5x2。

encoded = Reshape((5, 2, 1))(encoded)