keras:tensor从全连接层输出到卷积层

刺骨的言语ヽ痛彻心扉 2021-12-21 02:15 374阅读 0赞

一. tensor从卷积层输出到全连接层  
用过keras的都知道，想从卷积层输出tensor到全连接层，只需加一层：

model.add(Flatten())

shape就不会出现错误。

二. 但是如果从全连接层输出tensor到卷积层呢，这两天都在弄这个，shape的问题要特别注意，我现在数据的形式是10000行，6000列的数据。要输入到全连接层中，经过两层全连接层，再输出到卷积层。代码如下：

inputs1=Input(shape=(6000,1))
    encoded=Reshape([6000,])(inputs1)    #第一次reshape，keras.layers.Reshape
    encoded = Dense(5000, activation='relu', activity_regularizer=regularizers.l1(0.000000000001))(encoded)
    decoded = Dense(6000, activation='relu')(encoded)
    decoded=Reshape([6000,1])(decoded)    #第二次reshape
    decoded=Conv1D(1,kernel_size=3, strides=1, activation='relu',padding='same')(decoded)
    model = Model(inputs=inputs1, outputs=decoded)  
    #定义优化器
    adadelta=Adadelta()
    model.compile(loss='mse', optimizer=adadelta)
    model.summary() 
    nb_epoch=20
    history=model.fit(X_train_r,X_train_r, epochs=nb_epoch,validation_data=(X_valid_r, X_valid_r), batch_size=64)

其中第一次reshape是因为全连接层要只能接收(6000, )这种shape的tensor，如果传入(6000,1)就会报错。第二次reshape是因为卷积层只能接收(6000,1)这种shape的，传入(6000, )也会报错。  
还要之一，这里的X\_train\_r是要以卷积层的shape为基准，而不是以全连接层的shape为基准  
keras中的Reshape：  
[https://blog.csdn.net/moshiyaofei/article/details/87888451][https_blog.csdn.net_moshiyaofei_article_details_87888451]

keras获取层输出tensor的shape：  
[https://blog.csdn.net/C\_chuxin/article/details/85237690][https_blog.csdn.net_C_chuxin_article_details_85237690]

附上遇到的错误的解决方法：  
错误一：

ValueError: total size of new array must be unchanged

解决方法：[https://blog.csdn.net/eddy\_zheng/article/details/47007735][https_blog.csdn.net_eddy_zheng_article_details_47007735]

错误二：

ValueError: Graph disconnected: cannot obtain value for tensor Tensor("input_43:0", shape=(?, 6000), dtype=float32) at layer "input_43". The following previous layers were accessed without issue: []

这是因为将两个model融合的时候出现的错误

[https_blog.csdn.net_moshiyaofei_article_details_87888451]: https://blog.csdn.net/moshiyaofei/article/details/87888451
[https_blog.csdn.net_C_chuxin_article_details_85237690]: https://blog.csdn.net/C_chuxin/article/details/85237690
[https_blog.csdn.net_eddy_zheng_article_details_47007735]: https://blog.csdn.net/eddy_zheng/article/details/47007735