如何解决 TensorFlow Autoencoder 中的尺寸不匹配错误答案

【问题标题】：How to solve dimensions mismatch error in TensorFlow Autoencoder如何解决 TensorFlow Autoencoder 中的尺寸不匹配错误
【发布时间】：2021-10-17 23:50:29
【问题描述】：

代码有点长，所以我请求你在这个Google Colab链接上查看它。

我正在构建一个自动编码器。一开始我工作得很好，但是在添加了一个 CNN 层之后，我的意思是在将这个 layer_filters = [32, 64] 更改为 layer_filters = [32, 64, 128] 之后，我遇到了尺寸错误。这个：

ValueError: Dimensions must be equal, but are 32 and 28 for '{{node mean_squared_error/SquaredDifference}} = SquaredDifference[T=DT_FLOAT](autoencoders/decoder/decoder_output/Sigmoid, IteratorGetNext:1)' with input shapes: [32,32,32,1], [32,28,28,1].

我认为编码器的尺寸和解码器的尺寸是不同的，因为增加了一层。我不知道如何使它们相同。有人可以帮忙吗？

编辑 - @Kaveh 在下面回答了这个问题，我照他说的做了，而且效果很好。所以如果有人现在正在访问这个问题。请注意，我之前提到的笔记本已经更新，没有任何追溯。

【问题讨论】：

请更新完整的错误跟踪。
编码器输入维度为(None, 28, 28, 1)，解码器输出维度为(None, 32, 32, 1)。您正在通过autoencoder.fit() 向他们俩发送X_train。 X_test 也一样。因此，这意味着X_train 和X_test 的维度为(None, 32, 32, 1)，与编码器输入维度(None, 28, 28, 1) 不兼容。 TL;DR：由于编码器输入和解码器输出两端都获得相同的输入，它们的尺寸应该相同。

标签： tensorflow machine-learning deep-learning autoencoder

【解决方案1】：

原因：

您的标签形状 (28,28,3) 与模型的输出形状 (32,32,3) 不兼容，这是因为您的编码器和解码器的划分。

来源：

输入形状是(28,28)，随着layer_filters = [32, 64]的形状变化是这样的：

编码器：28 -> 14 -> 7
解码器：7 -> 14 -> 28

因此，输入和输出形状相同 (28) 并且工作正常。但是当你添加另一层有 128 个神经元 (layer_filters = [32, 64, 128]) 时，形状变化是这样的：

编码器：28 -> 14 -> 7 -> 4
解码器：4 -> 8 -> 16 -> 32

现在，32 和 28 不兼容，会出现错误。

解决方案：

更改图层配置，使输入和输出具有相同的形状。例如：

您可以在解码器和编码器 for 循环中删除 strides = 2, padding = 'same'：
- 编码器：28 -> 26 -> 24 -> 22
- 解码器：22 -> 24 -> 26 -> 28

或

不要再添加超过 2 个 Conv2D 层，因为在第 3 层中，形状将是奇数除以 2。而且你不能以同样的方式回来。

【讨论】：

感谢您的解释，非常有帮助。
你能告诉我你是怎么知道删除步幅和填充可以解决这个问题的？
@Hobo 我查看了他提供的完整代码（链接），正如我所说，从层定义中删除此配置，然后形状将在每层上减去 2（没有填充和 strides=1)，而不是除以 2。