Deep learning ValueError:维度必须相等，但为512和1024_Deep Learning_Autoencoder

Deep learning ValueError:维度必须相等，但为512和1024

deep-learning

Deep learning ValueError:维度必须相等，但为512和1024,deep-learning,autoencoder,Deep Learning,Autoencoder,我正在尝试构建一个简单的自动编码器模型（输入来自cfar10）最后一行代码（decoder.add（自动编码器输出层））出错：什么是错的，我错过了什么？我怎样才能修好它我认为是在最后一行，而不是将是 hiden_size1 = 1024 hiden_size2 = 512 hiden_size3 = 1024 input_layer = Input(shape=(3072,)) decoder_input_layer = Input(shape=

我正在尝试构建一个简单的

自动编码器

模型（输入来自

cfar10

）

最后一行代码（

decoder.add（自动编码器输出层）

）出错：

什么是错的，我错过了什么？我怎样才能修好它

我认为是在最后一行，而不是

将是

    hiden_size1 = 1024
    hiden_size2 = 512
    hiden_size3 = 1024

    input_layer = Input(shape=(3072,))
    decoder_input_layer = Input(shape=(hiden_size2,))
    hidden_layer1 = Dense(hiden_size1, activation="relu", name="hidden1")
    hidden_layer2 = Dense(hiden_size2, activation="relu", name="hidden2")
    hidden_layer3 = Dense(hiden_size3, activation="relu", name="hidden3")
    autoencoder_output_layer = Dense(3072, activation="sigmoid", name="output")


    autoencoder = Sequential()
    autoencoder.add(input_layer)
    autoencoder.add(hidden_layer1)
    autoencoder.add(hidden_layer2)
    autoencoder.add(hidden_layer3)
    autoencoder.add(autoencoder_output_layer)
    autoencoder.compile(optimizer='adam', loss='binary_crossentropy')

    encoder = Sequential()
    encoder.add(input_layer)
    encoder.add(hidden_layer1)
    encoder.add(hidden_layer2)

    decoder = Sequential()
    decoder.add(decoder_input_layer)
    encoder.add(hidden_layer3)
    decoder.add(autoencoder_output_layer)

ValueError: Dimensions must be equal, but are 512 and 1024 for '{{node output/MatMul}} = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false](Placeholder, output/MatMul/ReadVariableOp)' with input shapes: [?,512], [1024,3072].

    encoder.add(hidden_layer3)

   decoder.add(hidden_layer3)