Python tensorflow 2从顺序到功能

我使用顺序API定义了以下自动编码器模型：

将tensorflow导入为tf
从tensorflow进口keras
从tensorflow.keras导入图层
从tensorflow.keras.layers导入Conv2D、输入、密集、Lambda、重塑、激活、退出
def测试顺序（X列，历次）：
模型=keras.Sequential（）
#编码器
add（Conv2D（64，内核大小=（6,2）\
激活='relu'\
“相同”，
扩张率=1\
步幅=1\
输入_shape=（X_train.shape[1]，X_train.shape[2]，1）））
模型。添加（辍学（0.1））
#潜在空间
模型.添加（密度（2））
#译码器
add（Conv2D（64，内核大小=（6,2）\
激活='relu'\
“相同”，
扩张率=1\
步幅=1）
模型。添加（辍学（0.1））
add（Conv2D（1，内核大小=（6,2）\
激活='relu'\
（同上）
compile（loss='mse'，optimizer='adam'，metrics=['mae'，'mape']）
打印（model.summary（））
打印（）
打印（‘培训…’）
历史=模型.fit（X_列，X_列，历代=历代，详细=0）
打印（'DONE！！'）
回归模型、历史

我想使用函数API重写它，以便能够分别返回编码器和解码器。我的尝试是：

def test\u fun（X_train，epochs，潜伏期）：
导入tensorflow作为tf
从tensorflow.keras.layers导入Conv2D、输入、密集、Lambda、重塑
从tensorflow.keras.layers导入辍学，批次标准化
从tensorflow.keras.models导入模型
从tensorflow.keras.Loss导入均方误差
将keras.backend作为K导入
###编码器
e_i=Input（shape=（X_train.shape[1]，X_train.shape[2]，1），name='enc_Input'）#输入层
cx=Conv2D（64，内核大小=（6,2）\
激活='relu'\
“相同”，
扩张率=1\
步幅=1\
输入_shape=（X_train.shape[1]，X_train.shape[2]，1），name='enc_c1'）（e_i）
cx=辍学率（0.1）（cx）
###潜在空间
x=密集（潜在空间，name='潜在空间'）（cx）
###实例化编码器
编码器=型号（e_i，x，name='encoder'）
打印（encoder.summary（））
###译码器
d_i=输入（形状=（潜在尺寸，1），名称='decoder_输入'）
cx=Conv2D（64，内核大小=（6,2）\
激活='relu'\
“相同”，
扩张率=1\
步幅=1，name='dec_c1'）（d_i）
cx=辍学率（0.1）（cx）
o=Conv2D（1，内核大小=（6,2）\
激活='relu'\
“相同”\
name='decoder_output'）（cx）
#解码器实例化
解码器=型号（d_i，o，name='decoder'）
打印（decoder.summary（））
#实例化AE
ae_输出=解码器（编码器（e_i））
ae=模型（e_i，ae_输出，name='ae'）
#编译AE
编译（优化器='adam'，loss='mse'，metrics=['mae'，'mape']\
实验运行（函数=假）
#列车自动编码器
历史=ae.fit（X_序列，X_序列，年代=年代，详细=0）
返回编码器、解码器、ae、历史记录

但是，这会返回解码器的输入大小错误：

为什么它期望ndim=4

---

再想一想，如果没有在解码器的第一层中填充class='valid'，seauntial模型如何工作。顺便说一句，即使使用padding='valid'，我也会收到相同的错误。

我认为问题不在于padding。根据keras文件：

Conv2D层采用4维输入，即（批量大小、行、列、通道）

但是你给“dec_c1”层的输入是形状的（潜伏期，1），所以我建议你把输入层“decoder_input”的形状改成3-dim格式

---

d_i=Input（shape=（潜伏期，1，1），name='decoder\u Input'）

谢谢，使用

Input（shape=（180，潜伏期，潜伏期），name='decoder\u Input'）

模型似乎有正确的维度（两个模型的摘要相同）。然而，不同模型的结果却大不相同。使用函数API定义的API的质量要差得多。你遇到过类似的事情吗？错误可能在哪里？我认为在使用内核初始化器的情况下，由于各种原因可能会发生错误