扁平化和背面角膜

Question

我正在尝试使用autoencoder在简单向量中获取值

这是我的代码

input_img = Input(shape=(28, 28, 1))

x = Conv2D(32, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(32, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)

在这里我需要一个扁平层

encoder = Model(input_img, encoded)

然后使其回卷积

encoderOutputShape = encoded._keras_shape[1:]

# unflatten here
decoder_input= Input(encoderOutputShape)
decoder = Conv2D(32, (3, 3), activation='relu', padding='same')(decoder_input)
x = UpSampling2D((2, 2))(decoder)
x = Conv2D(32, (3, 3), activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

decoder = Model(decoder_input, decoded)

auto_input = Input(shape=(28,28,1))

encoded = encoder(auto_input)
decoded = decoder(encoded)

auto_encoder = Model(auto_input, decoded)

如何以正确的方式做到这一点？

换句话说，我想获取编码器的输出（或使用随机数据），将其更改并放入解码器中，然后获取解码结果。

Answer 1

这里有一个问题，如果不使用任何Dense层，为什么要平整张量？

但是您可以这样：

encoderOutputShape = Flatten()(encoded)
decoder_input= Input(Reshape((7,7,32))(encoderOutputShape)
decoder = Conv2D(32, (3, 3), activation='relu', padding='same')(decoder_input)

那是因为您需要先重塑张量。