Python ValueError:检查目标时出错：预期conv2d_3具有形状（1,58,58），但获得具有形状（1,64,64）的数组

我是Keras新手，我正在尝试使用图像（64x64，1通道）对序列分类和功能分类进行比较，这是我的模型（序列）：

x_pos是为keras（通道、行、列）重塑的图像阵列

来源在这里：

问题是，当我运行它时，它在seqmodel.fit处抛出一个错误：

ValueError: Error when checking target: expected conv2d_3 to have shape (1,58,58), but got array with shape (1,64,64)

由于原始代码不起作用，我做了一些修改以满足我的需要

编辑1:

我知道目标（x_pos_train）与输出层不同，但我想知道为什么会发生这种情况，因为代码应该可以工作。

由于您的第三个卷积层需要一个大小为（1、64、64）的数组，因此您必须在缩小输入大小的层（本例中为第二和第三个卷积层）中使用“相同”填充，以限制它们更改输入数组的大小。 因此，代码将如下所示：

seqmodel = Sequential()

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same', input_shape=(1,64,64)))
seqmodel.add(MaxPooling2D(pool_size=(2, 2), padding='same'))

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same'))
seqmodel.add(UpSampling2D((2, 2)))

seqmodel.add(Conv2D(1, (3,3), activation='sigmoid', padding='same'))

---

查看

seqmodel.summary（）

并记下最后一层的形状，然后

print（x_pos_train.shape）

您会注意到错误是这样说的。您在第二和第三个卷积中没有提到

padding='same'

layer@Ashar7成功了！天哪，我从没想过这件事。非常感谢你。也许新版本的keras上发生了一些变化，因为我修改了代码，而源代码中没有。@MACACO94是的，请记住，如果有任何错误与输入或输出的形状有关，请先检查模型摘要。我将添加它作为帮助其他人的答案

seqmodel = Sequential()

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same', input_shape=(1,64,64)))
seqmodel.add(MaxPooling2D(pool_size=(2, 2), padding='same'))

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same'))
seqmodel.add(UpSampling2D((2, 2)))

seqmodel.add(Conv2D(1, (3,3), activation='sigmoid', padding='same'))