Python 如何在定制TensorFlow（2.0）Keras模型中获得批量大小？

我正在子类化

tf.keras.model

。我需要重写

compute\u output\u shape

，否则，我将得到一个来自的

NotImplementedError

compute\u output\u shape

将

input\u shape

作为输入。然而，这并没有多大帮助，因为批量大小不知何故在TensorFlow中丢失了

如果我尝试以

input\u shape

相同的方式返回以

None

开头的形状，我会得到

TypeError:“str”对象不能解释为整数。仅仅忽略批量大小也不起作用

批量大小是可变的，所以我不能仅仅硬编码。
不需要
计算输出\u形状
，只需要
调用
方法。你的代码一定有问题，与
compute\u output\u shape
@SzymonMaszke不相关。你看过链接了吗？是的，但我从未遇到过编写
compute\u output\u shape
的需要。您应该在提供的链接中看得更高一些，确切地说，这会告诉您您并没有急切地运行（这很奇怪，因为它是默认的TF2.0模式）。这就是为什么我不认为这是你问题的原因。通常，在模型创建之后，使用指定的
input\u shape
调用build，这就足够了。这可能是上面的
NotImplemented
错误，在这种情况下，您的自定义层可能是issue@SzymonMaszke我猜它并没有很好地运行，因为即使在TF2.0中，Keras模型也是以图形模式执行的。（我确实将
dynamic=True
传递给了我的自定义模型，但它正被通过函数API创建的另一个模型使用。）不需要
compute\u output\u shape
，只需调用
方法即可。你的代码一定有问题，与
compute\u output\u shape
@SzymonMaszke不相关。你看过链接了吗？是的，但我从未遇到过编写
compute\u output\u shape
的需要。您应该在提供的链接中看得更高一些，确切地说，这会告诉您您并没有急切地运行（这很奇怪，因为它是默认的TF2.0模式）。这就是为什么我不认为这是你问题的原因。通常，在模型创建之后，使用指定的
input\u shape
调用build，这就足够了。这可能是上面的
NotImplemented
错误，在这种情况下，您的自定义层可能是issue@SzymonMaszke我猜它并没有很好地运行，因为即使在TF2.0中，Keras模型也是以图形模式执行的。（我确实将
dynamic=True
传递给了我的自定义模型，但它正被通过函数API创建的另一个模型使用。）
class Custom(tf.keras.Model):
    ...

    def compute_output_shape(self, input_shape):
        # input_shape = (None, ...)
        batch_size = ???
        return (batch_size, ...)