Python 在tf.keras.Model（命令式API）中获取输入形状

我使用Tensorflow 2.0，我有一个在命令式API中定义的模型。在调用方法中，我使用如下内容：

b，h，w，c=images.shape
k_h，k_w=kernels.shape[2]，kernels.shape[3]
图像=转置（图像[1,2,0,3]）#（h，w，b，c）
新的_形=tf.TensorShape（[1，h，w，b*c]）
图像=tf.重塑（图像，新形状）

当我用自定义循环训练我的模型时——没问题。但我想将我的模型移植到SavedModel格式。我使用以下功能：

tf.keras.experimental.export\u保存的\u模型(
模型，文件路径，
仅服务于=真，
输入签名=[
tf.TensorSpec（shape=[None，None，None，3]，dtype=tf.float32），
]
)

我得到了一个错误：

TypeError:不支持*：'NoneType'和'int'的操作数类型

此外，即使我指定shape=[1，None，None，3]，我也不能这样做，因为我得到：

ValueError: Tried to convert 'shape' to a tensor and failed. Error: Cannot convert a partially known TensorShape to a Tensor: (1, None, None, 3)

---

这意味着我根本不能做整形。但我需要它。如何操作？

在图形模式下运行时，请使用tf.shape。 在图形模式下运行时，tf.Tensor.shape无法进行自动形状推断。 下面是代码，并进行了必要的更改

image_shape = tf.shape(images)
kernel_shape = tf.shape(kernels)
b, h, w, c = image_shape[0], image_shape[1], image_shape[2], image_shape[3], 
k_h, k_w = kernel_shape[2], kernel_shape[3]

images = tf.transpose(images, [1, 2, 0, 3])  # (h, w, b, c)
new_shape = tf.TensorShape([1, h, w, b * c])
images = tf.reshape(images, new_shape)

---

我遇到了另一个问题：

ValueError:不明确的维度：tf.Tensor（128，shape=（），dtype=int32）

在

b*c

的行中，即

new\u shape=tf.TensorShape（[1，h，w，b*c]）