ValueError：检查目标时出错：预期conv2d_3有形状（1,58,58），但得到形状的数组（1,64,64）

Question

我是Keras的新手，我正在尝试使用图像（64x64,1通道）对顺序和功能分类进行比较，这是我的模型（顺序）：

x_pos_train = x_pos[int(x_pos.shape[0]* .20):] #shape(20,1,64,64)
x_pos_test = x_pos[:int(x_pos.shape[0]* .20)] #shape(5,1,64,64)
x_pos_noisy = x_pos_train + 0.05 * np.random.normal(loc=0., scale=1., size=x_pos_train.shape) #(20, 1, 64, 64)
#-----------------------------------------------------------------
from keras.models import Sequential
from keras.layers import Dense, Activation, Conv2D, MaxPooling2D, UpSampling2D
from keras import backend as K  #image dim ordering in conv2d won't work
K.set_image_dim_ordering('th')

seqmodel = Sequential()

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same', input_shape=(1,64,64)))
seqmodel.add(MaxPooling2D(pool_size=(2, 2), padding='same'))

seqmodel.add(Conv2D(32, (3,3), activation='relu'))
seqmodel.add(UpSampling2D((2, 2)))

seqmodel.add(Conv2D(1, (3,3), activation='sigmoid'))

seqmodel.compile(optimizer='adadelta', loss='binary_crossentropy') 
seqmodel.fit(x_pos_noisy,
         x_pos_train,
         epochs=10,
         batch_size=32,
         shuffle=True,
         validation_split=.20) 

x_pos是为keras（通道，行，列）重新整形的图像数组

来源位于：How to denoise images with neural networks。

问题是，当我运行它时，它会在seqmodel.fit处抛出错误：

ValueError: Error when checking target: expected conv2d_3 to have shape (1,58,58), but got array with shape (1,64,64)

由于原始代码不起作用，我已做了一些更改以满足我的需求。

修改1：

Sequential Summary Image

我知道目标（x_pos_train）与输出层不同，但我想知道为什么会发生这种情况，因为代码应该有效。

Answer 1

由于你的第三个卷积层需要一个大小（1,64,64）的数组，你必须在层中使用“相同”填充，这会缩小输入的大小（在这种情况下是第二个和第三个卷积层）到限制他们改变输入数组的大小。 所以，代码看起来像这样：

seqmodel = Sequential()

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same', input_shape=(1,64,64)))
seqmodel.add(MaxPooling2D(pool_size=(2, 2), padding='same'))

seqmodel.add(Conv2D(32, (3,3), activation='relu', padding='same'))
seqmodel.add(UpSampling2D((2, 2)))

seqmodel.add(Conv2D(1, (3,3), activation='sigmoid', padding='same'))