Image processing 拟合方法中的keras错误：期望模型_2具有形状（None，252，252，1），但得到具有形状（300，128，128，3）的数组

我正在为使用autoencoder的一类分类构建一个图像分类器

运行此模型时，我通过行

自动编码器\u model.fit

得到此错误：

ValueError：检查目标时出错：预期模型_2具有形状（None，252，252，1），但获得具有形状（300，128，128，3）的数组

num_of_samples=img_data.shape[0]
labels=np.one（（样本数），dtype='int64'）
标签[0:376]=0
名称=['cats']
输入\u shape=img\u数据[0]。形状
X_序列，X_测试=序列测试分割（img_数据，测试尺寸=0.2，随机状态=2）
输入传感器=输入（输入形状）
x=Conv2D（16，（3，3），激活='relu'，填充='same'）（输入传感器）
x=Conv2D（8，（3，3），activation='relu'，padding='same'）（x）
x=MaxPooling2D（（2，2），padding='same'）（x）
x=Conv2D（8，（3，3），activation='relu'，padding='same'）（x）
encoded_data=MaxPooling2D（（2，2），padding='same'）（x）
编码器\模型=模型（输入传感器，编码\数据）
#此时，表示为（4,4,8），即128维
编码输入=输入（（4,4,8））
x=Conv2D（8，（3，3），激活='relu'，填充='same'）（编码输入）
x=上采样2D（（2，2））（x）
x=Conv2D（8，（3，3），activation='relu'，padding='same'）（x）
x=上采样2D（（2，2））（x）
x=Conv2D（16，（3，3），activation='relu'，padding='same'）（x）
x=上采样2D（（2，2））（x）
解码数据=Conv2D（1，（3，3），激活class='sigmoid'，填充class='same'）（x）
解码器\模型=模型（编码\输入，解码\数据）
自动编码器输入=输入（输入形状）
编码=编码器\模型（自动编码器\输入）
解码=解码器\模型（编码）
自动编码器\模型=模型（自动编码器\输入，解码）
自动编码器\u model.compile（优化器='adadelta'，在此处输入代码'loss='binary\u crossentropy'）
自动编码器\u型号。配合（X\u系列，X\u系列，
纪元=50，
批次大小=32，
验证数据=（X检验，X检验），
回调=[TensorBoard（log_dir='/tmp/autoencoder'）]）

当自动编码器尝试重新创建原始图像时，由于编码器中只有两个

MaxPool2D

层，解码器中只有三个

上采样2D

层，您似乎正在重建与原始图像尺寸不同的图像

当自动编码器尝试评估重建损失时，由于尺寸未匹配，它会遇到错误

将此用于编码器，并告知其是否有效：

inputTensor = Input(input_shape)
x = Conv2D(16, (3, 3), activation='relu', padding='same')(inputTensor)
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 = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
encoded_data = MaxPooling2D((2, 2), padding='same')(x)

encoder_model = Model(inputTensor,encoded_data)

---

您可以添加示例数据或至少添加数据的维度吗？输入_shape-（128，128，3），img_data.shape-（376，128，128，3）请运行一个新的脚本或内核，然后1）更新确切的错误消息（仍然是

model_2

还是其他什么？）和2）包括

自动编码器_model.summary（）的输出，请参阅@desertnaut的注释我想澄清我的疑问，解码器的输出为灰度？？两者都不是-这是自动编码器的定义-请参阅条目和