Python 将完全连接的图层转换为conv2d并预测输出？

我尝试将扁平层作为convd2d的输入，并使用cifar-10数据集预测Denset上10类分类问题的输出。 下面是我得到错误的代码片段

global compression
    BatchNorm = layers.BatchNormalization()(input)
    relu = layers.Activation('relu')(BatchNorm)
    AvgPooling = layers.AveragePooling2D(pool_size=(2,2))(relu)
    flat = layers.Flatten()(AvgPooling)
    # output = layers.Dense(num_classes, activation='softmax')(flat)
    output = layers.Conv2D(filters=10,kernel_size=3,strides=1,activation='softmax',padding='valid')(flat)

我得到以下错误

ValueError: Input 0 is incompatible with layer conv2d_513: expected ndim=4, found ndim=2

有人能告诉我怎么解决吗。 提前谢谢

output = layers.Conv2D(filters=10, kernel_size=(1,1),strides =(2,2))

此代码将把密集层更改为相应的Conv2D层。但为了避免任何错误，您需要将softmax添加为不同的层。应该是这样的：

not_final = layers.Activation('softmax')(output)

result = layers.Flatten()(not_final)

---

为什么要在二维卷积之前将数据展平？通常情况下，情况正好相反。对于Conv2D，您需要一个2D输入，展平层将2D转换为1D。