TensorFlow 无缘无故分批

Question

我遇到了一个问题，我将一批形状 [128, 3] 输入到张量流模型中（连同许多其他输入），并且当我将模型的输出定义为 tf.shape(input) ，则输出为：

[32, 3, 32, 3, 32, 3, 32, 3]

我已经问过一次类似的问题，有一个工作代码示例，但没有人回答。如果有人想看它，这是链接： Link 所以这次就不加代码了，希望有人能回答一下：

无论模型是什么，这怎么可能发生？ 为什么 tensorflow 只是改变输入的形状？

这种行为只存在于大于 32 的批大小，否则正确的输出是 [batch_size, 3]。当我只是从模型返回输入并打印 np.shape(output) 时，这又是 [128, 3]。

我很困惑为什么会发生这样的事情，我希望任何人都可以向我解释。

Answer 1

不要在输入层中指定batch_size

例如使用

feature_1 = layers.Input(shape=(2,), dtype=tf.float32)

这将为批次维度提供 -1，这意味着它可以采用任何大小的批次。