Python 在Tensorflow 2.x中，我们不是'；是否不需要指定输入形状？

我刚刚读了官方的教程。下面是创建模型的代码示例：

class MyModel(Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')
    self.d2 = Dense(10, activation='softmax')

  def call(self, x):
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)

# Create an instance of the model
model = MyModel()

我的问题是，为什么在上面的代码中，我们不需要在第一层（Conv2D）中指定输入形状？是否有任何官方文件提到这种行为

因为如果我读了官方文件，上面说：

将此层用作模型中的第一层时，请提供关键字参数input_shape（整数元组，不包括采样轴），例如input_shape=（128，128，3），用于数据格式为“channels_last”的128x128 RGB图片

---

一切都按计划进行

卷积作为一种运算，不管输入形状如何。只有输入的通道需要匹配。 您可以在tf.nn.conv2d中看到此行为按预期工作。（这就是您的代码段正在使用的内容）

---

现在，您正在链接对keras.conv2d的引用，该引用强制用户指定输入形状，以使代码更可读并“验证”用户输入。

是的，它正常工作，我还尝试删除简单NN的密集层中的输入形状，它也可以工作。但是，是否有任何官方文档提到这种行为？看起来在层调用期间，如果输入_形状设置为无或与当前输入不同，则卷积运算将根据当前输入重新定义。文档位于下面Conv.call（）下链接中的代码中