Discussion :

[azaazz]

bonjour j'ai suivi un tutoriel de génération d'image mais ça ne marche pas pour moi voilà l'erreur indiqué et les lignes
InvalidArgumentError: Matrix size-incompatible: In[0]: [100,1372], In[1]: [5488,50] [Op:MatMul]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
 
def train(dataset,epochs):
    for _ in range(epochs):
        for images in dataset:
            images=tf.cast(images,tf.dtypes.float32)
            train_step(images)
 
def train_step(images):
    fake_image_noise=np.random.randn(BATCH_SIZE,100).astype("float32")
    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
        generated_images=generator(fake_image_noise)
        real_output = model_discriminator(images)
        fake_output = model_discriminator(generated_images)
 
        gen_loss = generator_loss(fake_output)
        disc_loss = get_discriminator_loss(real_output, fake_output)
 
        gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
        gradients_of_discriminator = disc_tape.gradient(disc_loss, model_discriminator.trainable_variables)
 
        generator_optimizer.apply_gradients(zip(gradients_of_generator,generator.trainable_variables))
        discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator,model_discriminator.trainable_variables))
 
        print('generator_loss :', np.mean(gen_loss))
        print('discriminator loss:',np.mean(disc_loss))

[lg_53]

Bonjour

Vous n'avez pas encore de réponse car en l'état personne ne peut vous aider. Il faut fournir tous les éléments qui permettent de reproduire votre problème.

Et ensuite là le message d'erreur à l'air assez clair, on vous dit qu'il y a un problème de dimension. Alors dans ce cas vous faites partout des print des dimensions de vos objets et vous controlez que c'est bien conforme à ce que vous attendez