我正在尝试使用自编码器获取简单向量中的值

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)

这里我需要一个平坦层

encoder = Model(input_img, encoded)

然后再将其转换回卷积层

encoderOutputShape = encoded._keras_shape[1:]# 在这里进行反平坦化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)

如何正确地实现这一点？

换句话说，我希望获取编码器的输出（或使用随机数据），对其进行更改，然后输入到解码器中并获取解码结果。

回答：

这里有一个问题，如果你不使用任何Dense层，为什么要平坦化张量？

但你可以这样做：

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

这是因为你需要在之前重塑你的张量。