Neural network Keras致密层错误：类型错误：'；int'；对象不可调用

我正试图可视化keras中每个卷积层的输出，如下链接：。我已经修改了一些层以删除错误，但现在我被密集层错误所困扰

np.set_printoptions(precision=5, suppress=True)
np.random.seed(1337) # for reproducibility

nb_classes = 10

# the data, shuffled and split between tran and test sets
(X_train, y_train), (X_test, y_test) = mnist.load_data("mnist.pkl")

X_train = X_train.reshape(X_train.shape[0], 1, 28, 28)
X_test = X_test.reshape(X_test.shape[0], 1, 28, 28)
X_train = X_train.astype("float32")
X_test = X_test.astype("float32")
X_train /= 255
X_test /= 255
print('X_train shape:', X_train.shape)
print(X_train.shape[0], 'train samples')
print(X_test.shape[0], 'test samples')

# convert class vectors to binary class matrices
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)

i = 4600
pl.imshow(X_train[i, 0], interpolation='nearest', cmap=cm.binary)
print("label : ", Y_train[i,:])

model = Sequential()

model.add(Convolution2D(32, 3, 3, border_mode='same',input_shape = (1,28,28))) #changed border_mode from full -> valid
convout1 = Activation('relu')
model.add(convout1)
model.add(Convolution2D(32, 32, 3))

convout2 = Activation('relu')
model.add(convout2)
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())

model.add(Dense(32*196, 128)) #ERROR HERE

---

任何意见或建议都将受到高度赞赏。谢谢。

如果您查看一个层的文档，那么您会注意到它接受的第一个参数是输出的形状，第二个参数是

init

，它描述了层权重的初始化方式。在本例中，您提供了

int

作为第二个位置参数，这导致了错误。您应该将代码更改为（假设您希望以128维向量的形式输出）：

---

谢谢你的评论Marcin，我把它改为model.add（稠密（128）），但我收到了“OverflowerError:Range Overses valid bounds”错误。你知道为什么吗？有错误的那一行。我将其从model.add（Dense（32*196，128））更改为model.add（Dense（128））Marcin，除了您的代码之外，我还需要添加“从keras导入后端为K.K.set_image_dim_ordering（'th'）”，并更改输入_shape=（28,28,1）而不是（1,28,28）的顺序。因此，您的答案确实有效-谢谢：）

model.add(Dense(128))