ValueError: Форма веса слоя (32, 128) не совместима с предоставленной формой веса (32, 64) - PullRequest
Новая
       10

ValueError: Форма веса слоя (32, 128) не совместима с предоставленной формой веса (32, 64)

0 голосов
/ 31 января 2019

Я тренирую автоэнкодер и после настройки автоэнкодера, я беру часть кодера, добавляю полностью подключенный слой для решения проблемы регрессии.После обучения автоэнкодера, когда я пытаюсь объединить кодер и полностью подключенный слой, он показывает следующую ошибку

ValueError: Dimension 1 in both shapes must be equal, but are 128 and 64. Shapes are [32,128] and [32,64]. for 'Assign_36' (op: 'Assign') with input shapes: [32,128], [32,64].

Я понимаю, что где-то у меня несоответствующее измерение, но я могуне опознать.Извините, я новичок в этом.Вот соответствующие коды. 

def encoder(input_data):
    encoder1 = Dense(128, activation = 'relu')(input_data)
    encoder1 = BatchNormalization()(encoder1)
    encoder1 = Dense(128, activation = 'relu')(encoder1)
    encoder1 = BatchNormalization()(encoder1)

    encoder2 = Dense(64, activation = 'relu')(encoder1)
    encoder2 = BatchNormalization()(encoder2)
    encoder2 = Dense(64, activation = 'relu')(encoder2)
    encoder2 = BatchNormalization()(encoder2)

    encoder3 = Dense(32, activation = 'relu')(encoder2)
    encoder3 = BatchNormalization()(encoder3)
    encoder3 = Dense(32, activation = 'relu')(encoder3)
    encoder3 = BatchNormalization()(encoder3)

    return encoder3

def decoder(encoder, input_data):
    decoder3 = Dense(64, activation = 'relu')(encoder)
    decoder3 = BatchNormalization()(decoder3)
    decoder3 = Dense(64, activation = 'relu')(decoder3)
    decoder3 = BatchNormalization()(decoder3)

    decoder2 = Dense(128, activation = 'relu')(decoder3)
    decoder2 = BatchNormalization()(decoder2)
    decoder2 = Dense(128, activation = 'relu')(decoder2)
    decoder2 = BatchNormalization()(decoder2)

    decoder1 = Dense(788, activation = 'sigmoid')(decoder2)

    return decoder1

def fc(enco):
    den = Dense(128, activation = 'relu')(enco)
    out = Dense(1, activation = 'tanh')(den)

    return out

input_data = Input(shape=(788, ))
autoencoder = Model(input_data, decoder(encoder(input_data), input_data))
autoencoder.compile(optimizer = 'adadelta', loss ='mse')
autoencoder.fit(train_x, train_x,
                epochs = 5,
                batch_size = 32,
                shuffle = True,
                validation_data = (test_x, test_x))

# building combined model
encode = encoder(input_data)
full_model = Model(input_data, fc(encode))
full_model.set_weights(autoencoder.get_weights())    # ValueError
...