如何防止Tensorflow输入生成批次尺寸

问题描述

我最近已经更新到Tensorflow 2.3.1的最新版本，并且在更新后我的模型不再起作用：

model = tf.keras.Sequential([
        layers.Input(shape= input_shape),# input_shape:  (1623,105,3)
        layers.experimental.preprocessing.Rescaling(1./255),layers.Conv2D(32,3,activation='relu'),layers.MaxPooling2D(),layers.Flatten(),layers.Dense(128,layers.Dense(ds_info.features['label'].num_classes)
    ])

问题在于Input图层添加了一个新的batch_size维度，这又导致了以下错误：

Input 0 of layer max_pooling2d_22 is incompatible with the layer: expected ndim=4,found ndim=5. Full shape received: [None,1623,103,32]

如何防止生成该错误或解决此问题。

解决方法

指定输入形状时，需要省略样本数。那是因为Keras可以接受任何数字。所以试试这个：

layers.Input(shape = input_shape[1:]),

这将指定输入形状为(rows,columns,channels)，省略了样本数量。