我是机器学习的新手。我有一个二维数组（图像）需要映射到另一个二维数组（图像）。所有示例都在使用Dense层，输出为1，用于分类问题。但是，我的需求是简单地将一个图像映射到另一个图像。我如何在Keras中指定输出为二维数组（图像）呢？请查看下面的示例代码。我需要更改架构以使输出与输入大小相同（二维数组）。

from keras.models import Sequentialfrom keras.layers import Conv2D, MaxPooling2Dfrom keras.layers import Activation, Dropout, Flatten, Densemodel = Sequential()model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150)))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectorsmodel.add(Dense(64))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(1))model.add(Activation('sigmoid'))

回答：

您需要的是一种自编码器的对称结构。与普通架构不同，您的输出将是三维的，因为您的输出是图像。然后，您可以使用相同的数据作为输入/输出来训练模型。这里有一个使用生成数据的简单示例：

from keras.models import Sequentialfrom keras.layers import Conv2D, MaxPooling2D, Dropout, UpSampling2Dimport numpy as npinput = np.random.rand(10, 30, 30)input = input[..., None] # keras needs 4D input, so add 1 dimensionmodel = Sequential()model.add(Conv2D(32, (3, 3), input_shape=(30, 30, 1), activation='relu', padding='same'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Conv2D(64, (3, 3), activation='relu', padding='same'))model.add(Dropout(0.5))model.add(Conv2D(64, (3, 3), activation='relu', padding='same'))model.add(UpSampling2D((2, 2)))model.add(Conv2D(1, (3, 3), activation='sigmoid', padding='same'))model.compile(loss='mean_squared_error', optimizer='adam')model.fit(input, input, batch_size=8, epochs=1)