我正在尝试构建一个CNN自编码器。每个训练图像（彩色）的尺寸为200*200。在编译时我遇到了以下错误：ValueError: Error when checking target: expected activation_7 to have shape (154, 154, 1) but got array with shape (200, 200, 3)，使用了下面的代码。如何修改代码以使其工作？
autoencoder = Sequential()autoencoder.add(Conv2D(64, (3, 3), input_shape=(200, 200, 3)))autoencoder.add(Activation('relu'))autoencoder.add(MaxPooling2D(pool_size=(2, 2)))autoencoder.add(Conv2D(32, (3, 3)))autoencoder.add(Activation('relu'))autoencoder.add(MaxPooling2D(pool_size=(2, 2)))autoencoder.add(Conv2D(32, (3, 3)))autoencoder.add(Activation('relu'))autoencoder.add(MaxPooling2D(pool_size=(2, 2))) # encodedautoencoder.add(Conv2D(32, (3, 3)))autoencoder.add(Activation('relu'))autoencoder.add(UpSampling2D((2,2)))autoencoder.add(Conv2D(32, (3, 3)))autoencoder.add(Activation('relu'))autoencoder.add(UpSampling2D((2,2)))autoencoder.add(Conv2D(64, (3, 3)))autoencoder.add(Activation('relu'))autoencoder.add(UpSampling2D((2,2)))autoencoder.add(Conv2D(1, (3, 3)))autoencoder.add(Activation('sigmoid'))autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')回答：
在我看来，您的代码有两个主要问题。
第一个问题是尺寸减少，从(200,200)变为(154,154)，这个问题可以通过在每个Conv2D层中添加padding=’same’来轻松解决，如下所示：
autoencoder = Sequential()autoencoder.add(Conv2D(64, (3, 3), input_shape=(200, 200, 3), padding='same'))autoencoder.add(Activation('relu'))autoencoder.add(MaxPooling2D(pool_size=(2, 2)))autoencoder.add(Conv2D(32, (3, 3), padding='same'))autoencoder.add(Activation('relu'))autoencoder.add(MaxPooling2D(pool_size=(2, 2)))autoencoder.add(Conv2D(32, (3, 3), padding='same'))autoencoder.add(Activation('relu'))autoencoder.add(MaxPooling2D(pool_size=(2, 2))) # encodedautoencoder.add(Conv2D(32, (3, 3), padding='same'))autoencoder.add(Activation('relu'))autoencoder.add(UpSampling2D((2,2)))autoencoder.add(Conv2D(32, (3, 3), padding='same'))autoencoder.add(Activation('relu'))autoencoder.add(UpSampling2D((2,2)))autoencoder.add(Conv2D(64, (3, 3), padding='same'))autoencoder.add(Activation('relu'))autoencoder.add(UpSampling2D((2,2)))autoencoder.add(Conv2D(1, (3, 3), padding='same'))autoencoder.add(Activation('sigmoid'))autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')第二个问题与您的目标有关。您试图在最后的Conv2D层预测输出(200,200,1)，使用sigmoid激活函数和二元交叉熵损失，这意味着您想要预测的是灰度图像。如果这是您想要的，那么您需要用单通道图像(200,200,1)来训练您的模型，否则您可以将输出更改为(200,200,3)，如下所示：
将：
autoencoder.add(Conv2D(1, (3, 3), padding='same'))更改为：
autoencoder.add(Conv2D(3, (3, 3), padding='same'))