Габаритная ошибка при попытке обучить модель кераса

Question

Я хочу построить 3d dcgan из 2d dcgan.В то время как все работало для 2d, в 3d я получил ошибку измерения при попытке натренировать генератор.К сожалению, выбрасываемая ошибка довольно загадочна, и я ничего не могу из нее сделать:h: 607] Проверка не удалась: dims == sizes.size () (5 против 4)

На данный момент я проверил, может ли каждая модель работать самостоятельно, и она работает.Как и ожидалось, генератор дает мне куб, а дискриминатор тоже выполняет свою работу.Я попытался найти заголовок mkl_util.

Это мой init:

    def __init__(self):
        # Input shape
        self.axis = 16
        self.channels = 1
        self.img_shape = (self.axis, self.axis, self.axis, self.channels)
        self.dimensions = 500

        optimizer = tf.keras.optimizers.Adam(0.0002, 0.5)

        self.discriminator = self.build_discriminator()
        self.discriminator.compile(loss='binary_crossentropy', optimizer=optimizer, metrics=['accuracy'])

        self.generator = self.build_generator()

        z = tf.keras.layers.Input(shape=(self.dimensions,))
        img = self.generator(z)
        self.discriminator.trainable = False
        valid = self.discriminator(img)
        self.combined = tf.keras.models.Model(z, valid)
        self.combined.compile(loss='binary_crossentropy', optimizer=optimizer)

И здесь произошла ошибка self.combined.train_on_batch(noise, valid)

        valid = np.ones((batch_size, 1))
        noise = np.random.normal(0, 1, (batch_size, self.dimensions))
        g_loss = self.combined.train_on_batch(noise, valid)

Я бы не сталожидайте этого результата, поскольку генерирующая модель работает сама по себе, как и дискриминатор.