使用PixelShuffler时Reshape维度不匹配报错问题求助

错误本质 #

你遇到的InvalidArgumentError是张量元素总数不匹配导致的，和输入尺寸大小无关——只是大尺寸下元素数差异更明显，直接触发了错误：

• 输入I为(256,256,3)，经过Conv2D(filters=16)后，x1的形状是(256,256,16)（padding='SAME'+strides=(1,1)不改变特征图尺寸）。
• 默认PixelShuffler(size=(2,2))会执行2倍上采样：输出尺寸变为256*2=512，通道数变为16/(2*2)=4，因此x2的形状是(512,512,4)。
• 你用K.reshape(x2, (-1,256,256,3))强行修改形状，此时张量总元素数（比如batch_size=10时为10*512*512*4=10485760）和目标形状所需元素数（10*256*256*3=1966080）完全不匹配，必然报错。

修正方案 #

方案1：调整卷积滤波器数量，让PixelShuffler输出目标形状 #

PixelShuffler的核心要求是：输入通道数必须等于r² × 输出通道数（r为上采样倍率，此处r=2）。如果你的目标是让输出通道数为3，那么Conv2D的滤波器数量应设为2²×3=12，此时PixelShuffler的输出会是(512,512,3)（2倍上采样后的尺寸），无需强行reshape：

I=Input((256,256,3))
x1=Conv2D(filters=12,kernel_size=(3,3),strides=(1,1),padding='SAME')(I)
x2=PixelShuffler()(x1)  # 输出形状：(512,512,3)
model=Model(I,x2)

方案2：上采样后通过下采样层还原原尺寸 #

如果需要输出和输入同尺寸（256×256×3），可以在PixelShuffler后添加下采样层（如带步长的卷积），将512×512×4的特征图转换为目标形状，避免强行reshape：

I=Input((256,256,3))
x1=Conv2D(filters=16,kernel_size=(3,3),strides=(1,1),padding='SAME')(I)
x2=PixelShuffler()(x1)  # 输出形状：(512,512,4)
# 用步长为2的卷积完成下采样，同时将通道数调整为3
x3=Conv2D(filters=3,kernel_size=(3,3),strides=(2,2),padding='SAME')(x2)  # 输出形状：(256,256,3)
model=Model(I,x3)

补充：你的PixelShuffler层实现是正确的 #

你的自定义PixelShuffler层逻辑没问题，只需确保输入通道数是r×r的整数倍（此处r=2，输入通道数需为4的倍数，你用16满足要求）。

内容的提问来源于stack exchange，提问作者Han