如何防止Tensorflow Input生成批量维度

Question

我最近更新到了Tensorflow2.3.1的最新版本，更新后我的模型不再工作：

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

问题是输入层添加了一个新的batch_size维度，这反过来又会导致以下错误：

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

我该如何防止生成或修复此问题。

Answer 1

指定输入形状时，需要省略样本数。这是因为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(rows, columns, channels)的输入形状，省略样本数。