Python 卷积自动编码器的Keras值误差

我试图建立一个卷积自动编码器，但我有问题的解码器部分。我的输入图像是32×32×3（RGB）

我假设我的解码器应该以16*16开始，因为我的编码器末尾的密集网络有256个节点。但是当我跑的时候

编码器，解码器=deep\u自动编码器（IMG\u形状，code\u大小=32）

我得到一个错误：

---> 34     decoder.add(keras.layers.Reshape([16,16]))
.
.
.
ValueError: total size of new array must be unchanged

如果有帮助的话，我可以添加完整的错误代码，但是我觉得我犯了一些非常基本的错误。为了应用反褶积滤波器，我需要将编码器的平坦输出转换为矩阵

为了便于阅读网络，我添加了编码器部分的模型摘要-如果我注释掉解码器部分并运行

encoder.summary（）

---

你的模型让我烦恼的主要是两件事：第一，你的自动编码器的不对称性。在编码过程中使用conv和pool层，但省略了上采样（反向池）层的使用。这已经在keras中实现为

UpSampling2D

。此外，您还应该在conv和deconv层中使用相同的步幅

第二，在第四次池化之后，您将得到1x1x256的压缩表示。为什么要尝试将其转换为解码部分的16x16x1表示？这也是关于对称性的。无需展平编码层，只需使用1x1x256表示作为解码模型的输入。当您将编码器和解码器作为单独的模型创建时，可以按如下方式堆叠它们：

encoder = Sequential()
encoder.add ...
...

decoder = Sequential()
decoder.add(encoder)
decoder.add ...

还有一个由Francois Chollet（）编写的关于如何创建自动编码器的教程。它可能会帮助您实现

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 32, 32, 3)         0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 32, 32, 32)        896       
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 11, 11, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 11, 11, 64)        18496     
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 4, 4, 64)          0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 4, 4, 128)         73856     
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 2, 2, 128)         0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 2, 2, 256)         295168    
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 1, 1, 256)         0         
_________________________________________________________________
flatten_1 (Flatten)          (None, 256)               0         
_________________________________________________________________
dense_1 (Dense)              (None, 32)                8224      
=================================================================

encoder = Sequential()
encoder.add ...
...

decoder = Sequential()
decoder.add(encoder)
decoder.add ...