正在尝试创建GAN: InvalidArgumentError:矩阵大小不兼容
提问于 2019-06-15 21:12:20
我是这个领域的新手，但我正在尝试创建一个生成对抗网络来生成音乐。我有一个模型，它是生成器和鉴别器的组合，但当我训练它时，它给了我一个错误。一些它不喜欢的输出。我使用的是Keras序列。任何帮助都将不胜感激。
据我所知，在任何Keras模型中，输入和输出都应该具有相同的维度。我的输入形状- (300，30，1)。输出形状- (300，1)。当我单独训练它们时，它们不会导致错误。但是当我将它们组合到一个单独的模型中时，它们开始给出一个错误--特别是在鉴别器的最后一行-> Dense(1, activation='sigmoid')
def __generator(self):
""" Declare generator """
model = Sequential()
model.add(LSTM(256, input_shape=(self.n_prev, 1), return_sequences=True))
model.add(Dropout(0.6))
model.add(LSTM(128, input_shape=(self.n_prev, 1), return_sequences=True))
model.add(Dropout(0.6))
model.add(LSTM(64, input_shape=(self.n_prev, 1), return_sequences=False))
model.add(Dropout(0.6))
model.add(Dense(1))
print(model.summary())
return model
def __discriminator1b (self, width=300, height=30, channels=1):
shape = (width, height, channels)
model = Sequential()
model.add(Flatten(input_shape=((30, 1))))
model.add(Dense((height * channels), input_shape=(30, 1)))
model.add(LeakyReLU(alpha=0.2))
model.add(Dense(np.int64((height * channels)/2)))
model.add(LeakyReLU(alpha=0.2))
model.add(Dense(1, activation='sigmoid'))
print(model.summary())
return model
def __gen_disc (self):
model = Sequential()
model.add(self.G)
model.add(self.D)
return modelTraining:
self.G.train_on_batch(np.array(gen_noiseX), np.array(genY))
self.D.train_on_batch(np.array(gen_noiseX), disc_label)
self.GD.train_on_batch(np.array(gen_noiseX), y_mislabled)
Model Summaries:
Generator:
Layer (type) Output Shape Param #
=================================================================
lstm_28 (LSTM) (None, 30, 256) 264192
_________________________________________________________________
dropout_52 (Dropout) (None, 30, 256) 0
_________________________________________________________________
lstm_29 (LSTM) (None, 30, 128) 197120
_________________________________________________________________
dropout_53 (Dropout) (None, 30, 128) 0
_________________________________________________________________
lstm_30 (LSTM) (None, 64) 49408
_________________________________________________________________
dropout_54 (Dropout) (None, 64) 0
_________________________________________________________________
dense_36 (Dense) (None, 1) 65
=================================================================
Total params: 510,785
Trainable params: 510,785
Non-trainable params: 0
_________________________________________________________________
None
Discriminator:
Layer (type) Output Shape Param #
=================================================================
flatten_8 (Flatten) (None, 30) 0
_________________________________________________________________
dense_37 (Dense) (None, 30) 930
_________________________________________________________________
leaky_re_lu_15 (LeakyReLU) (None, 30) 0
_________________________________________________________________
dense_38 (Dense) (None, 15) 465
_________________________________________________________________
leaky_re_lu_16 (LeakyReLU) (None, 15) 0
_________________________________________________________________
dense_39 (Dense) (None, 1) 16
=================================================================
Total params: 1,411
Trainable params: 1,411
Non-trainable params: 0
_________________________________________________________________
None所以错误本身就是
InvalidArgumentError: Matrix size-incompatible: In[0]: [300,1], In[1]: [30,30] [[{{node sequential_22/dense_37/MatMul}}]]每当我移除鉴别器的致密(1，sigmoid)层时，它就会起作用，但我需要这一层来进行二进制分类。也许我需要重建模型，或者只是做一个小的修复，但不管怎样，所有的建议都是值得感谢的。
回答 1
Stack Overflow用户
发布于 2019-06-16 01:22:26
欢迎来到stackoverflow。出现此错误是因为，your model needs (30,30) but you are feeding it (300,1)。
这里有几个更好的改变：
鉴别器model.add(Flatten(input_shape=((30, 1))))中的
- 在错误的位置。它应该在
dense层之前。或者，当您构建bidirectional LSTMs. - In生成器时，我认为您不需要
Flatten层。
整个网络还需要做一些其他更改，您可以看到这个great article for music generation。希望这能有所帮助！！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56614214
复制
相似问题
下载和上传速度
测量下载、上传和Ping
SFTP文件下载和上传权限
WireGuard:限制下载和上传带宽
使用Iperf3测试上传和下载
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
