我正在尝试在Keras上训练一个简单的回归网络 . 网络的输入（X_test）是100个图像，输出另外100个 . 问题是我得到一个形状错误：我玩过另一个网络架构，激活，......并且错误仍然存在 .
在这里我放置我的代码：
M=32
input_layer = Input(shape=(3, 32, 32), name="input")
sc1_conv1 = Convolution2D(96, 3, 3, activation='relu', init='glorot_uniform', subsample=(2,2), border_mode='valid')(input_layer)
sc1_maxpool1 = MaxPooling2D(pool_size=(2,2))(sc1_conv1)
sc1_fire2_squeeze = Convolution2D(M, 1, 1, activation='relu', init='glorot_uniform', border_mode='same')(sc1_maxpool1)
sc1_fire2_expand1 = Convolution2D(M*4, 1, 1, activation='relu', init='glorot_uniform', border_mode='same')(sc1_fire2_squeeze)
sc1_fire2_expand2 = Convolution2D(M*4, 3, 3, activation='relu', init='glorot_uniform', border_mode='same')(sc1_fire2_squeeze)
sc1_merge1 = merge(inputs=[sc1_fire2_expand1, sc1_fire2_expand2], mode="concat", concat_axis=1)
sc1_fire2 = Activation("linear")(sc1_merge1)
model = Model(input=input_layer, output=sc1_fire2)
model.compile(loss='mse', optimizer='rmsprop')
model.fit(X_train, y_train, nb_epoch=10, batch_size=64)
当我运行脚本时，我收到以下错误：
Exception: Error when checking model target: expected activation_9 to have shape (None, 256, 7, 7) but got array with shape (100, 3, 32, 32)
X_train和y_train形状是：
X_train.shape
Out[13]: (100, 3, 32, 32)
y_train.shape
Out[14]: (100, 3, 32, 32)
这是我第一次在Keras做回归，我不知道我做错了什么 .
感谢您的时间！
1 回答
模型的输出形状为（无，256,7,7） . 这应该与y_train的形状相匹配 . 要获得形状（无，3,32,32），您需要更改体系结构，可能需要添加上采样层 . 例如，请参见https://blog.keras.io/building-autoencoders-in-keras.html .