Python 什么'；两者的区别是什么？没有张量形状的

这是形状（？）的情况

结果是effnet\u层形状（？，2，2，1280）

这就是形状的情况（无）

conv后结果：（无，6，6，32） 展平后：（无，1152）

---

两个输入形状都与（40，40，1）相同

这没有意义。在Keras中，应返回一个Keras模型，该模型没有

.shape

属性。你能澄清一下你把你的efficientnetb0模型称为哪里吗？在第二个例子中，Shape

None

就是批量大小。在Keras中，将

batch_size

设置为

None

意味着它可以接受python对象使用的任何值

None

，与TF图断开连接。这意味着

None

shapes不能用于图形模式执行（在某些情况下，可以在急切模式下提供空渐变）<代码>？表示tensorflow占位符，该占位符的图形是以未知维度构建的

？

不能用于pythonic计算，大部分将被分离并隐式转换为

None

。感谢您的回答。顺便说一下，我使用了这个包'efficientnet 1.1.1'，并使用代码'import efficientnet.keras as effnet'来导入。

effnet_layers =  effnet.EfficientNetB0(input_shape=(row,col, sat_channel), weights=None, include_top=False)(sat_inputs)
print("effnet_layers shape",effnet_layers.shape)

for i in range(sat_in_len_max*sat_in_dim):
    sat_inputs = Input(shape=(row,col, sat_channel))
    sat_layer = Conv2D(c1, (5, 5))(sat_inputs)
    sat_layer = ReLU()(sat_layer)
    sat_layer = MaxPool2D(pool_size=(2,2))(sat_layer)
    sat_layer = Conv2D(c2, (7, 7))(sat_layer)
    sat_layer = ReLU()(sat_layer)
    sat_layer = MaxPool2D(pool_size=(2,2))(sat_layer)
    print("after conv:", sat_layer.shape)
    sat_layer = Flatten()(sat_layer)
    print("after flatten:", sat_layer.shape)
    sat_layer = Reshape((1, sat_layer.shape[1]))(sat_layer)