Python 使用二进制交叉熵| Keras tf自动编码器时输入和输出形状不匹配

我正在构建一个自动编码器，它接收16x16个展平图像，我不断得到以下错误：

ValueError: A target array with shape (999, 16, 16, 256) was passed for an output of shape (None, 256) while using as loss `binary_crossentropy`. This loss expects targets to have the same shape as the output.

我的尝试：我认为我必须在

topk

层之后重塑解码器内部的张量，但它没有解决错误，只是输出了更多错误。我在下面评论了我的尝试。 我相信我需要做一些类型的重塑，以便输入形状和输出形状彼此匹配，这样二进制交叉熵损失就可以工作了

下面是我的代码的一个最简单的工作示例：

encoding_dim = 16
input_img = tf.keras.layers.Input(shape=(16, 16, 256), name ="input")
# flatten your images
flatten = tf.keras.layers.Flatten()(input_img)
encoded = tf.keras.layers.Dense(encoding_dim, activation='relu')(flatten)
encoded2 = tf.keras.layers.Dense(256, activation='sigmoid')(encoded)
# top_k layer
topk = tf.keras.layers.Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True,
                                                name="topk").values)(encoded)
decoded = tf.keras.layers.Dense(128, activation='relu')(topk) 
decoded2 = tf.keras.layers.Dense(256, activation='sigmoid')(decoded)
#decoded3 = tf.keras.layers.Reshape((16,16,256))(decoded2)
autoencoder = tf.keras.Model(input_img, decoded2)
autoencoder.compile(optimizer = 'adadelta', 
                    loss='binary_crossentropy')
autoencoder.fit(x_train, x_train,
            epochs=100,
            batch_size=256,
            shuffle=False,
            validation_data=(x_test, x_test))

---

当前，您的输入形状是

（批处理，16、16、256）

如果要将

batch

明确指定为

256

，则应在

输入层中使用
batch\u shape
参数，而不是
shape
。但是，您不应该这样做，因为最好保持它的灵活性，以防您想要更改它（或者通常情况下批量大小不等）

您的输出必须具有相同的形状，因此它应该是
keras.layers.Dense（16*16，activation=“sigmoid”）
和
keras.layers.reformate（（16，16））
在最后一个输出节点。请注意，您没有在任何地方指定批次，只指定其余的维度。
您可以在计算损失的地方发布零件吗？@gorjan Updated！你能详细说明一下形状吗？（999、16、16、256）

？