如何解决Python Keras自编码器中"total size of new array must be unchanged"错误

错误原因 #

你遇到的维度不匹配错误，核心问题是解码器侧reshape2的输入输出元素总数没有对齐：

• 编码器侧经过两次卷积后，encoded的特征shape为(None, 1, 1, n_filter*2)，flatten后总元素数为n_filter*2
• 你之前参数正常是因为刚好满足n_filter*2 = 32*2 = 64 = n_dense1，所以dense2输出的n_dense1长度刚好和reshape需要的元素数匹配
• 一旦修改n_filter或n_dense1，两者数值不相等，reshape前后元素总数不一致，就会抛出该错误

修复方案 #

修改解码器侧dense2的输出维度，直接对齐编码器flatten后的总元素数即可，不需要和n_dense1绑定：
把原代码中解码器部分的

# Decoder
dense2 = Dense(n_dense1, activation="selu", name="dense2")(output) 
dim_reconstruct = tuple(encoded.get_shape().as_list())
reshape2 = Reshape(dim_reconstruct[1:], name="reshape2")(dense2)

替换为：

# Decoder
# 输出维度对齐encoder编码后的总元素数
dense2 = Dense(n_filter*2, activation="selu", name="dense2")(output) 
dim_reconstruct = tuple(encoded.get_shape().as_list())
reshape2 = Reshape(dim_reconstruct[1:], name="reshape2")(dense2)

如果需要保留dense2输出为n_dense1的结构，也可以在reshape前新增一层全连接层做维度过渡：

# Decoder
dense2 = Dense(n_dense1, activation="selu", name="dense2")(output)
# 新增过渡层对齐维度
transition = Dense(n_filter*2, activation="selu", name="transition")(dense2)
dim_reconstruct = tuple(encoded.get_shape().as_list())
reshape2 = Reshape(dim_reconstruct[1:], name="reshape2")(transition)

修改后不管怎么调整n_filter和n_dense1的数值，都不会出现reshape维度不匹配的问题。

内容的提问来源于stack exchange，提问作者Elsa