Tensorflow 预期conv2d_7具有形状（220，220，1），但获得具有形状（224，224，1）的数组

我遵循keras blog（）的教程来构建一个自动编码器

我使用了我自己的数据集，在我的224*224大小的图像上使用了以下代码

input_img = Input(shape=(224,224,1)) # size of the input image
x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)

# at this point the representation is (4, 4, 8) i.e. 128-dimensional

x = Conv2D(8, (3, 3), activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
x = Conv2D(16, (3, 3), activation='relu')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

autoencoder = Model(input_img, decoded)
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

当我看到autoencoder的摘要时，它给出的输出使得最后一层有220乘220。我附上了该摘要的快照

我不明白的是它是如何从 112*112. 我希望conv2d_6（conv2d）能给我112*112和16个内核

如果我删除Conv2D_6层，那么它将工作。但我想要它，否则我会做两次上采样。我不明白怎么了

---

有人能给我介绍一下吗？

您需要在该层中添加

padding='same'

，这样它看起来应该像：

x = Conv2D(16, (3, 3), activation='relu', padding='same')(x)

然后它将保持相同的尺寸。 如果没有它，您就不会使用任何填充，并且因为您的内核是3乘3的，所以在该层之后，您的112*112转换为110*110