要在您的系统上重新创建此问题的提问，请找到源代码和数据集here

我在努力什么

我试图创建一个简单的GAN（生成对抗N/W），我试图使用一些ImageNet图像重新着色黑色和白色图像。

我在做什么？

我已经采取了一些狗的形象，这是存储在文件夹./ImageNet/dogs/目录。使用Python代码，我已经创建了2个步骤，我转换
1.将图像转换为244 x 244分辨率并保存为./ImageNet/dogs_lowres/
1.将低分辨率图像转换为灰度并保存为./ImageNet/dogs_bnw/
1.将低分辨率BnW图像馈送到GAN模型并生成彩色图像。

我被困在哪里

我被困在理解图像尺寸/形状是如何使用的。我得到了这样的错误：

ValueError: `logits` and `labels` must have the same shape, received ((32, 28, 28, 3) vs (32, 224, 224)).

字符串
下面是生成器和鉴别器的代码：

# GAN model for recoloring black and white images
generator = Sequential()
generator.add(Dense(7 * 7 * 128, input_dim=100))
generator.add(Reshape((7, 7, 128)))
generator.add(Conv2DTranspose(64, kernel_size=5, strides=2, padding='same'))
generator.add(Conv2DTranspose(32, kernel_size=5, strides=2, padding='same'))
generator.add(Conv2DTranspose(3, kernel_size=5, activation='sigmoid', padding='same'))

# Discriminator model
discriminator = Sequential()
discriminator.add(Flatten(input_shape=(224, 224, 3)))
discriminator.add(Dense(1, activation='sigmoid'))

# Compile the generator model
optimizer = Adam(learning_rate=0.0002, beta_1=0.5)
generator.compile(loss='binary_crossentropy', optimizer=optimizer)

# Train the GAN to recolor images
epochs = 10000
batch_size = 32

型
训练循环如下：

for epoch in range(epochs):
    idx = np.random.randint(0, bw_images.shape[0], batch_size)
    real_images = bw_images[idx]

    noise = np.random.normal(0, 1, (batch_size, 100))
    generated_images = generator.predict(noise)

    # noise_rs = noise.reshape(-1, 1)
    g_loss = generator.train_on_batch(noise, real_images)

    if epoch % 100 == 0:
        print(f"Epoch: {epoch}, Generator Loss: {g_loss}")

型

**错误在哪里？**我在线上得到错误：

g_loss = generator.train_on_batch(noise, real_images)个
当我检查noise和真实的_images对象的shape时，得到的结果如下：

real_images.shape
(32, 224, 224)
noise.shape
(32, 100)

型
任何帮助/建议都很感激。