使用Keras和WGAN进行InvalidArgumentError

Question

我试图建立一个评论家网络作为Wasserstein距离生成对抗网络的一部分，使用最新的Keras软件包和Tensorflow后端和python 3.6。这是网络架构的代码：

def build_critic():
    critic = Sequential(name='critic')
    critic.add(Conv2D(64, (3, 3), padding='same', 
               kernel_initializer='he_normal', input_shape= 
               (48,48,1),data_format='channels_last'))
    critic.add(LeakyReLU())
    critic.add(Conv2D(128, (3, 3), padding='same', 
               kernel_initializer='he_normal'))
    critic.add(LeakyReLU())
    critic.add(Conv2D(128, (3, 3), padding='same', 
               kernel_initializer='he_normal'))
    critic.add(LeakyReLU())
    critic.add(Conv2D(256, (3, 3), padding='same', 
               kernel_initializer='he_normal'))
    critic.add(LeakyReLU())
    critic.add(GlobalMaxPooling2D(data_format='channels_last'))
    critic.add(Dense(100))
    critic.add(LeakyReLU())
    critic.add(Dense(1))
    return critic

尝试编译网络时，出现错误：

  

InvalidArgumentError（参见上面的回溯）：矩阵大小不兼容：在[0]中：[256,48]，在[1]中：[256,100]        [[节点：critic_2 / dense_2 / MatMul = MatMul [T = DT_FLOAT，transpose_a = false，transpose_b = false，_device =＆＃34; / job：localhost / replica：0 / task：0 / device：CPU：0＆＃34 ;]（critic_2 / global_max_pooling2d_1 / Max，dense_2 / kernel / read）]]

我得到了错误的抱怨。为了将两个大小为AxB和CxD的矩阵相乘，B必须等于C，而这里B = 48且C = 256。我怎样才能设置C？或者我还应该考虑其他问题吗？

以下是发电机组和评论家网络的网络摘要：

图层（类型）输出形状参数＃

dense_1（密集）（无，1024）1049600

reshape_1（重塑）（无，1,1,1024）0

up_sampling2d_1（UpSampling2（无，3,3,405）0

batch_normalization_1（批量（无，3,3,405）4096

up_sampling2d_2（UpSampling2（无，12,12,1024）0

batch_normalization_2（批量（无，12,12,1024）4096

up_sampling2d_3（UpSampling2（无，48,48,1024）0

conv2d_1（Conv2D）（无，48,48,128）1179776

batch_normalization_3（批量（无，48,48,128）512

conv2d_2（Conv2D）（无，48,48,128）147584

batch_normalization_4（批量（无，48,48,128）512

conv2d_3（Conv2D）（无，48,48,256）295168

batch_normalization_5（批量（无，48,48,256）1024

conv2d_4（Conv2D）（无，48,48,1）2305

总参数：2,684,673 可训练的参数：2,679,553 不可训练的参数：5,120

无

图层（类型）输出形状参数＃

conv2d_5（Conv2D）（无，48,48,64）640

leaky_re_lu_1（LeakyReLU）（无，48,48,64）0

conv2d_6（Conv2D）（无，48,48,128）73856

leaky_re_lu_2（LeakyReLU）（无，48,48,128）0

conv2d_7（Conv2D）（无，48,48,128）147584

leaky_re_lu_3（LeakyReLU）（无，48,48,128）0

conv2d_8（Conv2D）（无，48,48,256）295168

leaky_re_lu_4（LeakyReLU）（无，48,48,256）0

global_max_pooling2d_1（全球（无，256）0

dense_2（密集）（无，100）25700

leaky_re_lu_5（LeakyReLU）（无，100）0

dense_3（密集）（无，1）101

总参数：543,049 可训练的参数：543,049 不可训练的参数：0