我正在尝试在 keras 中编写 GAN,但在运行它时遇到此断言错误。经过搜索我发现问题的最可能原因是旧版本的theano。我将 theano 更新到最新的 github 开发版本 0.9.0beta1 但我仍然遇到同样的错误。
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout
from keras.optimizers import SGD
print "Setting up decoder"
D = Sequential()
D.add(Dense(100, input_dim=100, activation='relu'))
D.add(Dropout(0.5))
D.add(Dense(50, activation='relu'))
D.add(Dropout(0.5))
D.add(Dense(1, activation='sigmoid'))
sgd = SGD(lr=0.01, momentum=0.1)
D.compile(loss='binary_crossentropy', optimizer=sgd)
print "Setting up generator"
G = Sequential()
G.add(Dense(1, input_dim=1, activation='relu'))
G.add(Dropout(0.5))
G.add(Dense(50, activation='relu'))
G.add(Dropout(0.5))
G.add(Dense(1, activation='sigmoid'))
sgd = SGD(lr=0.01, momentum=0.1)
G.compile(loss='binary_crossentropy', optimizer=sgd)
print "Setting up combined net"
gen_dec = Sequential()
gen_dec.add(G)
D.trainable=False
gen_dec.add(D)
gen_dec.compile(loss='binary_crossentropy', optimizer=sgd)
gen_dec.summary()
问题发生在gen_dec.add(D)
这一段
assert input_shape[-1] and input_shape[-1] == self.input_dim
AssertionError
最佳答案
我认为这是你代码中的错字......请将生成器的最后一层从:
G.add(Dense(1, activation='sigmoid'))
到:
G.add(Dense(100, activation='sigmoid'))
我猜你不希望你的生成器只产生 1 个像素,因为你的鉴别器需要 100 个输入。
错误来自于您的第一个模型输出形状为 (batch_size, 1)
的张量,而您的第二个模型输入的输入形状为 (batch_size, 100)
。因此断言错误。
它现在正在我的笔记本电脑上编译。
关于keras - keras中的断言错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42323035/