Neural network “输入”的形状；“展平”；未完全定义（获取（无、无、64）
我在第一个图像分类应用程序中使用预先训练好的模型GoogleNet。在使用Flatte时，我得到了这个错误-Neural network “输入”的形状；“展平”；未完全定义（获取（无、无、64）,neural-network,deep-learning,keras,conv-neural-network,pre-trained-model,Neural Network,Deep Learning,Keras,Conv Neural Network,Pre Trained Model,我在第一个图像分类应用程序中使用预先训练好的模型GoogleNet。在使用Flatte时，我得到了这个错误- ValueError: The shape of the input to "Flatten" is not fully defined got (None, None, 64). Make sure to pass a complete "input_shape" or "batch_input_shape" argument to the first layer in your
ValueError: The shape of the input to "Flatten" is not fully defined got
(None, None, 64). Make sure to pass a complete "input_shape" or
"batch_input_shape" argument to the first layer in your model.
train_datagen=ImageDataGenerator(
旋转范围=40，
宽度\偏移\范围=0.2，
高度\位移\范围=0.2，
重新缩放=1./255，
剪切范围=0.2，
缩放范围=0.2，
水平翻转=真，
填充模式（最近的）
test_datagen=ImageDataGenerator（重缩放=1./255）
train_generator=来自目录的train_datagen.flow_(
“dir_path”，
目标_大小=（500500），
批次大小=批次大小，
class_mode='classifical'）
验证\u生成器=来自\u目录的测试\u datagen.flow\u(
“dir_path”，
目标_大小=（500500），
批次大小=批次大小，
class_mode='classifical'）
基本模型=接收v3（权重='imagenet'，包括顶部=假）
x=基本模型输出
x=Conv2D（32，（3，3），使用_bias=True，activation='relu'，输入_shape=
（500500,3））（x）#第2行
x=MaxPoolig2D（池大小=（2,2））（x）
x=Conv2D（64，（3，3），activation='relu'）（x）#line3
x=展平（）（x）
x=密集（批量大小，激活='relu'）（x）#第1行
x=（辍学率（0.5））（x）
预测=密集（num_类，activation='softmax'）（x）
模型=模型（输入=基本模型。输入，输出=预测）
base\u model=InceptionV3（weights='imagenet'，input\u shape=（500500,3），include\u top=False）
x=基本模型输出
x=Conv2D（32，（3，3），使用_bias=True，activation='relu'，）（x）
...