非正方形输入的CNN autoencoder输出形状不匹配问题咨询

1. Autoencoder是否强制要求输入为正方形？ #

Autoencoder完全不强制输入为正方形，只要编解码流程的维度变换逻辑匹配，任意长宽比的输入都可以正常运行。

2. 形状不匹配报错原因及修复方案 #

报错原因 #

输出维度(16, 800, 24, 1)和输入维度(16, 800, 20, 1)不匹配的核心原因是20这个宽度维度无法被3次2倍池化整除：

• 编码器三次2倍池化过程中，宽度维度变化为：20 → 10 → 5 → 3（2*2池化+same padding会对非整除的维度向上取整，5/2向上取整为3）
• 解码器三次2倍上采样过程中，宽度维度变化为：3 → 6 →12 →24，最终比原输入宽度多了4个像素，触发报错。

修复方案 #

可根据业务需求选择以下任意一种方案：

方案1：新增裁剪层对齐维度

在最后一次上采样之后、输出层之前增加裁剪层，切掉多余的4个宽度像素，是改动最小的方案：

# 首先导入裁剪层
from keras.layers import Cropping2D

# 原有解码器最后部分代码
conv2_3 = Conv2D(16, (3, 3), activation='relu', padding='same')(up2)
up3 = UpSampling2D((2, 2))(conv2_3)
# 新增裁剪层，仅裁剪宽度方向最后4个像素，高度方向不裁剪
crop = Cropping2D(cropping=((0, 0), (0, 4)))(up3)
r = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(crop)

方案2：调整输入维度为2的整数次幂

将输入的宽度维度从20调整为32（或其他2的整数次幂数值），三次池化上采样后可以完美对齐：

• 编码器宽度变化：32→16→8→4
• 解码器宽度变化：4→8→16→32，和输入完全匹配

方案3：减少一组池化+上采样层

删除第三次池化和对应的第三次上采样，两次2倍变换即可对齐20的宽度：

• 编码器宽度变化：20→10→5
• 解码器宽度变化：5→10→20，和输入完全匹配

内容的提问来源于stack exchange，提问作者AMA