Python 尝试创建GAN:InvalidArgumentError:矩阵大小不兼容

我对这个领域很陌生，但我正试图创建一个生成性对抗网络来生成音乐。我有一个模型，它是生成器和鉴别器的组合，但当我训练它时，它会给我一个错误。关于它不喜欢的输出。我正在使用Keras。任何帮助都将不胜感激

据我所知，在任何Keras模型中，输入和输出应该具有相同的维度。我的输入形状-（300,30,1）。输出形状-（300，1）。当我单独训练它们时，它们不会导致错误。但是当我把它们组合在一个单独的模型中时，它们开始给出一个错误——特别是在鉴别器的最后一行——>

densite（1，activation='sigmoid'）

因此，错误本身是错误的

InvalidArgumentError: Matrix size-incompatible: In[0]: [300,1], In[1]: [30,30]   [[{{node sequential_22/dense_37/MatMul}}]]

每当我移除鉴别器的稠密（1，sigmoid）层时，它都会工作，但我需要该层来进行二进制分类。也许我需要重建模型或只是做一个小的修复，但无论如何，所有建议都很感谢。

欢迎来到stackoverflow。 发生此错误的原因是，

您的模型需要（30,30），但您正在输入（300,1）

这里有一些更好的变化：

自动识别器

model.add（展平（input_shape=（（30，1）））

位于错误的位置。它应该在

密集层之前的下方。或者，当您正在构建RNN时，我认为您不需要一个
展平层

使用双向LSTM

在生成器中使用

batchnormalization

您可以看到，整个网络还需要一些其他更改。希望这有帮助

欢迎来到stackoverflow。 发生此错误的原因是，

您的模型需要（30,30），但您正在输入（300,1）

这里有一些更好的变化：

自动识别器

model.add（展平（input_shape=（（30，1）））

位于错误的位置。它应该在

密集层之前的下方。或者，当您正在构建RNN时，我认为您不需要一个
展平层

使用双向LSTM

在生成器中使用

batchnormalization

您可以看到，整个网络还需要一些其他更改。希望这有帮助

Training:
self.G.train_on_batch(np.array(gen_noiseX), np.array(genY))
self.D.train_on_batch(np.array(gen_noiseX), disc_label)
self.GD.train_on_batch(np.array(gen_noiseX), y_mislabled)

Model Summaries:
Generator:
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_28 (LSTM)               (None, 30, 256)           264192    
_________________________________________________________________
dropout_52 (Dropout)         (None, 30, 256)           0         
_________________________________________________________________
lstm_29 (LSTM)               (None, 30, 128)           197120    
_________________________________________________________________
dropout_53 (Dropout)         (None, 30, 128)           0         
_________________________________________________________________
lstm_30 (LSTM)               (None, 64)                49408     
_________________________________________________________________
dropout_54 (Dropout)         (None, 64)                0         
_________________________________________________________________
dense_36 (Dense)             (None, 1)                 65        
=================================================================
Total params: 510,785
Trainable params: 510,785
Non-trainable params: 0
_________________________________________________________________
None


Discriminator:

Layer (type)                 Output Shape              Param #   
=================================================================
flatten_8 (Flatten)          (None, 30)                0         
_________________________________________________________________
dense_37 (Dense)             (None, 30)                930       
_________________________________________________________________
leaky_re_lu_15 (LeakyReLU)   (None, 30)                0         
_________________________________________________________________
dense_38 (Dense)             (None, 15)                465       
_________________________________________________________________
leaky_re_lu_16 (LeakyReLU)   (None, 15)                0         
_________________________________________________________________
dense_39 (Dense)             (None, 1)                 16        
=================================================================
Total params: 1,411
Trainable params: 1,411
Non-trainable params: 0
_________________________________________________________________
None

InvalidArgumentError: Matrix size-incompatible: In[0]: [300,1], In[1]: [30,30]   [[{{node sequential_22/dense_37/MatMul}}]]