Neural network ValueError:操作数无法与形状（54、54、128）（54、54、64）一起广播

我编写了一个包含三个卷积层的ResNet块：

def res_net_block(input_data, filters, kernel_size):
kernel_middle = kernel_size + 2
filters_last_layer = filters * 2

x = Conv2D(filters, kernel_size, activation = 'relu', padding = 'same')(input_data)   #64, 1x1 
x = BatchNormalization()(x)

x = Conv2D(filters, kernel_middle, activation = 'relu', padding = 'same')(x)          #64, 3x3
x = BatchNormalization()(x)

x = Conv2D(filters_last_layer, kernel_size, activation = None, padding = 'same')(x)   #128, 1x1 
x = BatchNormalization()(x)

x = Add()([x, input_data])

x = Activation('relu')(x)
return x

当我将其添加到模型中时，我收到以下错误：ValueError:操作数无法与形状（54，54，128）（54，54，64）一起广播

以下是我目前的模型：

inputs = Input(shape = (224, 224, 3))
model = Conv2D(filters = 64, kernel_size = 7, strides = 2, activation = 'relu')(inputs)
model = BatchNormalization()(model)
model = MaxPool2D(pool_size = 3, strides = 2)(model)
for i in range(num_res_net_blocks):
    model = res_net_block(model, 64, 1)

我相信问题来自ResNet块中的这一行：

x = Add()([x, input_data])

输入数据的尺寸与x不同。但我不知道如何解决这个问题。

---

我非常感谢您的帮助。

错误是由于添加了两个不同维度的张量（54,54，128）和（54,54，64）。为了执行张量加法，输入尺寸沿所有轴必须相同。以下是同样的注释：

Quote:“

keras.layers.Add（）

…它将所有相同形状的张量列表作为输入，并返回单个张量（同样具有相同形状）”

为了执行剩余加法，您需要确保两个张量（一个沿着标识路径，一个在剩余路径）具有相同的维度。作为调试错误的简单解决方案，在最终的

Conv2D

中，将

过滤器最后一层

替换为

过滤器

，以使残差（

x

）和身份张量（

输入数据

）具有相同的形状（54,54，64）

---

希望这有帮助！：）

谢谢你的回答。我现在明白了。但另一个问题发生在我身上。我想添加额外的零来增加维数，这样我可以执行add（）函数，但我不知道这是怎么发生的。哦，好的，所以你需要使用零张量来增加张量的维数。您可以使用tf.zeros（）-获得指定维度的零张量&tf.concat（）-将它们连接起来以获得增加维度的新张量。我是否正确理解了要求？是的，我想平衡尺寸。但我所做的和为我工作的是对输入数据应用1x1卷积。input_data=Conv2D（filters=F3，kernel_size=（1，1），padding='same'，kernel_initializer=glorot_uniform（seed=0））（input_data）感谢您的帮助。