Deep learning ValueError:维度必须相等,但为512和1024
我正在尝试构建一个简单的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=
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)