keras中的断言错误

我试图在keras中编写一个GAN，但是在运行它时，我得到了这个断言错误。经过搜索，我发现问题最有可能的原因是旧版本的theano。我将theano更新为最新的github开发版本0.9.0beta1，但仍然收到相同的错误

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()

问题发生在本节

gen_dec.add（D）

---

我认为这是你代码中的一个输入错误。。。请将生成器的最后一层更改为：

G.add(Dense(1, activation='sigmoid'))

致：

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

错误源于以下事实：第一个模型输出的张量形状

（batch\u size，1）

，而第二个模型输入的输入形状为

（batch\u size，100）

。因此出现了断言错误

---

它现在正在我的笔记本电脑上编译。

什么断言错误？你的问题中没有包括它。我试图在keras中移植这个pytorch代码。作者使用1个输入大小作为生成器，100个输入大小作为鉴别器。我在这里谈论的是生成器的输出，而不是输入。在代码中，他们使用一些函数来生成数据。请参见代码中的预处理函数。你不能复制一个算法，然后跳过一些类似的部分：）修复im建议修复im建议也很好，唯一的区别是它使用隐式分布。你提供的链接使用一个显式分布*根据我提出的修正，神经网络学习数据分布本身，而不是使用正态定律或任何东西

G.add(Dense(1, activation='sigmoid'))

G.add(Dense(100, activation='sigmoid'))