hiambuildingaimageclassifierforone-classclassificationinwhichi ' veusedautoencoderwhilerunningthismodeliamgetttingthiseror eror dwithaninputthatisn ' tasymbolictensor.received type :full input : [ (128、128、128、128、128、128、128、128、128、128 )
num _ of _ samples=img _ data.shape [0]
labels=NP.ones((num_of_samples，)，dtype='int64 ' ) )
labels[0:376]=0
names=['cat']
y=NP _ utils.to _ categorical (labels，num_class ) ) ) ) ) ) ) )。
input_shape=img_data[0].shape
x，y=shuffle(img_data，y，random_state=2) ) )。
X_train，X_test，y_train，y_test=train_test_split(x，y，test_size=0.2，random_state=2)
x=conv2d(16，(3，3 )，activation='relu '，padding='same ' ) input_shape () ) ) ) ) ) )。
x=conv2d(8，(3，3 )，activation='relu '，padding='same ' () (x ) ) ) ) ) ) ) ) )
x=最大轮询2d ((2，2 )，填充=' same ' ) (x ) ) ) ) ) )。
x=conv2d(8，(3，3 )，activation='relu '，padding='same ' () (x ) ) ) ) ) ) ) ) )
编码=最大轮询2d ((2，2 )，填充=' same ' ) (x ) ) ) ) ) ) )。
# atthispointtherepresentationis (4，4，8 ) i.e. 128-dimensional
x=conv2d(8，(3，3 )，activation='relu '，padding='same ' () encoded () ) ) ) ) ) ) ) )
x=upsampling 2d ((2，2 ) ) (x ) ) ) ) )。
x=conv2d(8，(3，3 )，activation='relu '，padding='same ' () (x ) ) ) ) ) ) ) ) )
x=upsampling 2d ((2，2 ) ) (x ) ) ) ) )。
x=conv2d(16，(3，3 )，activation=' relu ' (x ) ) ) ) ) ) ) ) )
x=upsampling 2d ((2，2 ) ) (x ) ) ) ) )。
编码=conv 2d (1，(3，3 )，活动=' sigmoid '，填充=' same ' ) x ) ) ) ) ) ) )
自动编码程序=模型(input _ shape，decoded ) )。
auto encoder.com pile (优化器=' ada delta '，loss='binary_crossentropy ' ) )
autoencoder.fit(X_train，x_train，
epochs=50，
batch_size=32，
shuffle=True，
validation_data=(X_test，x_test )，
callbacks=[ tensor board (log _ dir='/tmp/auto encoder ' ] )
Here:
x=conv2d(16，(3，3 )，activation='relu '，padding='same ' ) input_shape () ) ) ) ) ) )。
A shape is not a tensor。
Do this:
from keras.layers import *
输入tensor=输入(input _ shape )
x=conv2d(16，(3，3 )，activation='relu '，padding='same ' ) inputTensor () ) ) ) ) )。
youshouldseparatetheencoderanddecoderasindividualmodels.lateryouwillprobablywanttoworkwithonlyoneofthem。
Encoder:
输入tensor=输入(input _ shape )
x=.
编码模型=模型(输入传感器，编码数据)。
解码器：
编码输入=输入((4，4，8 ) )
x=.
解码器模型=模型((编码输入，解码数据) ) ) ) ) ) ) )。
自动编码器：
autoencoderinput=input (input _ shape )
编码=编码模型(autoencoderinput )
编码=编码模型(编码)。
autoencodermodel=model (autoencoderinput，已解码)。