Python 如何使用lambda层更改模型的输入形状

假设我以这种方式指定了keras模型中的mobilenet：

base_model = MobileNetV2(weights='imagenet', include_top=False,  input_shape=(224, 224, 3))

# add a global spatial average pooling layer
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x) 
predictions = Dense(12, activation='softmax')(x)

# this is the model we will train
model = Model(inputs=base_model.input, outputs=predictions)
model.compile(loss='categorical_crossentropy', optimizer = Adam(),
              metrics=['accuracy'])

def myFunc(x):
     return K.reshape(x/255,(-1,224,224,3))
new_model = Sequential()
new_model.add(Lambda(myFunc,input_shape =( 224, 224, 3),  output_shape=(224, 224, 3)))
new_model.add(model)
new_model.compile(loss='categorical_crossentropy', optimizer = Adam(),
              metrics=['accuracy'])
new_model.summary()

但我想通过以下方式将自定义层添加到预压输入图像：

base_model = MobileNetV2(weights='imagenet', include_top=False,  input_shape=(224, 224, 3))

# add a global spatial average pooling layer
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x) 
predictions = Dense(12, activation='softmax')(x)

# this is the model we will train
model = Model(inputs=base_model.input, outputs=predictions)
model.compile(loss='categorical_crossentropy', optimizer = Adam(),
              metrics=['accuracy'])

def myFunc(x):
     return K.reshape(x/255,(-1,224,224,3))
new_model = Sequential()
new_model.add(Lambda(myFunc,input_shape =( 224, 224, 3),  output_shape=(224, 224, 3)))
new_model.add(model)
new_model.compile(loss='categorical_crossentropy', optimizer = Adam(),
              metrics=['accuracy'])
new_model.summary()

---

它工作得很好，但是现在我需要让它输入shape

2242243

而不是

（None，2242243）

-如何使它

为了扩展张量的维数，可以使用

将tensorflow.keras.backend导入为K
#向张量添加新维度
K.展开维（张量，0）

然而，我不明白你为什么需要它，就像前面提到的

@meonwongac

一样

如果您仍然希望使用

Lambda

层，而不是使用

skimage

/

OpenCV

/other库对图像进行调整大小/应用其他操作，则使用

Lambda

层的一种方法如下：

将tensorflow导入为tf
输入=输入（形状=（无，无，3））
下一层=Lambda（Lambda图像：tf.image.resize_图像（图像，（128，128））（输入）

我不明白你的问题。我想你是在考虑输入\形状=（2242243）在Lambda层中。如果使用“input\u shape”，实际上batch\u size为None是默认值。如果确实要指定batch\u size，可以使用batch\u input\u shape而不是input\u shape。我所知道的唯一需要张量中特定batch\u size的情况是有状态LSTM块