如何解决在使用 1 个网络中的一个层的输出作为另一个网络的输入后得到形状 [None, None, 28, 28, 3]
我想将 CNN 中每一层的输出用作另一个网络的训练数据。我在 MNIST 数据集上训练了第一个(主要)CNN 模型。输入形状为 [28,28,3]。模型编译时,给所有的层输入形状添加了一个None维度,所以这个形状,例如,会变成[None,3]。
这个模型工作正常,但是当我使用这个模型的层作为下一个模型的输入时,[None,3] 形状被采用,并且对于下一个模型输入形状变为 [None,None,3]。现在这个形状在训练时出现如下错误:
ValueError: Input 0 is incompatible with layer model_8: expected shape=(None,26,5),found shape=(None,5)
然而,我用人工神经网络尝试了同样的事情(所以所有完全连接的密集网络)。它也使输入形状具有 2 个无尺寸,例如。 [无,无,128]。但是,这很好用。因此,我认为错误是因为卷积层有 3 个维度,这在某种程度上导致了问题,但我不知道如何解决这个问题。
这是我的代码的链接:
https://colab.research.google.com/drive/1KiFhmRnmuasj_oTUNWmncqWiuGkOOsS0?usp=sharing
我真的很感激任何帮助!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。